Python NetworkX thresholded_random_geometric_graph用法及代码示例

返回单位立方体中的阈值随机几何图。

阈值随机几何图 [1] 模型将 n 节点均匀地随机放置在维度为 dim 的单位立方体中。每个节点 u 被分配一个权重 \(w_u\) 。两个节点 u 和 v 如果在最大连接距离内，则通过边连接，radius 由 p -Minkowski 距离计算，并且权重的总和 \(w_u\) + \(w_v\) 大于或等于阈值参数 theta 。

当 SciPy 可用时，使用 KDTree 确定彼此在 radius 内的边。这将时间复杂度从 \(O(n^2)\) 降低到 \(O(n)\) 。

参数：

n：int 或可迭代

节点数或可迭代节点

radius: float：

距离阈值

theta: float：

阈值

dim：整数，可选

图的维度

pos：字典，可选

以节点位置为值的节点键控字典。

weight：字典，可选

节点权重作为由节点键入的数字字典。

p：浮点数，可选(默认 2)

使用哪个 Minkowski 距离度量。 p 必须满足条件 1 <= p <= infinity 。

如果未指定此参数，则使用\(L^2\) 度量(欧几里德距离度量)，p = 2。

这不应与 Erdős-Rényi 随机图的 p 混淆，它表示概率。

seed：整数、random_state 或无(默认)

随机数生成状态的指示符。请参阅随机性。

返回：

图形

阈值随机地理图，无向且无自环。

每个节点都有一个节点属性'pos'，该属性存储该节点在欧几里得空间中的位置，由pos 关键字参数提供，或者如果没有提供pos，则由该函数生成。类似地，每个节点都有一个 nodethre 属性'weight'，该属性存储该节点的权重，如提供或生成。

注意：

这使用 k -d 树来构建图形。

pos 关键字参数可用于指定节点位置，因此您可以为位置创建任意分布和域。

例如，要使用均值 (0, 0) 和标准差 2 的节点位置的 2D 高斯分布

如果未指定权重，则通过使用速率参数 \(\lambda=1\) 从 index 分布中随机抽取来将它们分配给节点。要指定来自不同分布的权重，请使用 weight 关键字参数：

::

>>> import random
>>> import math
>>> n = 50
>>> pos = {i: (random.gauss(0, 2), random.gauss(0, 2)) for i in range(n)}
>>> w = {i: random.expovariate(5.0) for i in range(n)}
>>> G = nx.thresholded_random_geometric_graph(n, 0.2, 0.1, 2, pos, w)

参考：

1

http://cole-maclean.github.io/blog/files/thesis.pdf

例子：

默认图表：

G = nx.thresholded_random_geometric_graph(50, 0.2, 0.1)

自定义图表：

在 50 个均匀分布的节点上创建一个阈值随机几何图，如果从比率 = 5 的 index 分布中提取的总权重 >= theta = 0.1 并且它们的欧几里德距离最多为 0.2，则这些节点由一条边连接。