Python NetworkX random_clustered_graph用法及代码示例

生成具有给定联合独立边度和三角形度序列的随机图。

这使用配置model-like 方法通过随机分配边以匹配给定的关节度数序列来生成随机图(具有平行边和自环)。

关节度数序列是形式为 \([(d_{1,i}, d_{1,t}), \dotsc, (d_{n,i}, d_{n,t})]\) 的整数对列表。根据此列表，顶点\(u\) 是\(d_{u,t}\) 三角形的成员，并具有\(d_{u, i}\) 其他边。编号 \(d_{u,t}\) 是 \(u\) 的 triangle degree ，编号 \(d_{u,i}\) 是 independent edge degree 。

参数：

joint_degree_sequence：整数对列表

每个列表条目对应一个节点的独立边度和三角形度。

create_using：NetworkX 图形构造函数，可选(默认 MultiGraph)

要创建的图表类型。如果是图形实例，则在填充之前清除。

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：

G：MultiGraph

具有指定度数序列的图。节点从 0 开始标记，索引对应于 deg_sequence 中的位置。

抛出：

NetworkXError

如果独立边度数序列和不是偶数或三角形度数序列和不能被 3 整除。

注意：

正如 Miller [1] 所说明的(另请参见 Newman [2] 的等效说明)。

允许使用非图形度数序列(某些简单图无法实现)，因为此函数返回具有自环和平行边的图。如果独立度数序列没有偶数和或三角形度数序列和不能被 3 整除，则会引发异常。

此配置model-like 构造过程可能导致重复的边和循环。您可以删除自环和平行边(见下文)，这可能会导致图形没有指定精确的度数序列。这种“finite-size 效果”随着图表大小的增加而减少。

参考：

1

Joel C. Miller. “Percolation and epidemics in random clustered networks”. In: Physical review. E, Statistical, nonlinear, and soft matter physics 80 (2 Part 1 August 2009).

2

M. E. J. Newman. “Random Graphs with Clustering”. In: Physical Review Letters 103 (5 July 2009)

例子：

>>> deg = [(1, 0), (1, 0), (1, 0), (2, 0), (1, 0), (2, 1), (0, 1), (0, 1)]
>>> G = nx.random_clustered_graph(deg)

要删除平行边：

>>> G = nx.Graph(G)

要删除自循环：

>>> G.remove_edges_from(nx.selfloop_edges(G))