Python cugraph.community.louvain.louvain用法及代碼示例

用法: cugraph.community.louvain.louvain(G, max_iter=100, resolution=1.0)

使用 Louvain 方法計算輸入圖的模塊化優化分區

它使用如下所述的 Louvain 方法：

VD Blondel，J-L Guillaume、R Lambiotte 和 E Lefebvre：在大型網絡中快速展開社區層次結構，J Stat Mech P10008 (2008)，http://arxiv.org/abs/0803.0476

參數：

G：cugraph.Graph 或 NetworkX Graph: 圖說明符應包含連接信息和權重。如果不存在鄰接列表，則將計算該鄰接列表。
max_iter：整數，可選(默認=100): 這控製了 Louvain 算法的最大級別/迭代次數。當指定時，算法將在不超過指定的迭代次數後終止。當算法以這種方式提前終止時，不會發生錯誤。
resolution: float/double, optional (default=1.0)：: 在模塊化公式中稱為 gamma，這會改變社區的規模。更高的分辨率會導致更多的小型社區，更低的分辨率會導致更少的大型社區。默認為 1。

parts：cudf.DataFrame

大小為 V 的 GPU 數據幀包含兩列，即頂點 id 和分配給它的分區 id。

df[‘vertex’]：cudf.Series: 包含頂點標識符
df[‘partition’]：cudf.Series: 包含分配給頂點的分區

modularity_score：浮點數

一個浮點數，包含分區的全局模塊化分數。

例子：

>>> M = cudf.read_csv(datasets_path / 'karate.csv',
...                   delimiter = ' ',
...                   dtype=['int32', 'int32', 'float32'],
...                   header=None)
>>> G = cugraph.Graph()
>>> G.from_cudf_edgelist(M, source='0', destination='1')
>>> parts, modularity_score = cugraph.louvain(G)

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cugraph.community.louvain.louvain。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：