Python NetworkX degree_assortativity_coefficient用法及代碼示例

計算圖的度數關聯性。

分類性衡量圖中連接相對於節點度的相似性。

參數：

G：NetworkX 圖

x: string (‘in’,’out’)：

源節點的度數類型(僅限有向圖)。

y: string (‘in’,’out’)：

目標節點的度數類型(僅限有向圖)。

weight: string or None, optional (default=None)：

保存用作權重的數值的邊屬性。如果沒有，則每條邊的權重為 1。度數是與節點相鄰的邊權重的總和。

nodes: list or iterable (optional)：

僅計算容器中節點的度數分類性。默認為所有節點。

返回：

r：浮點數

圖的分類度。

注意：

這計算了方程。 (21) 見參考文獻。 [1] ，其中 e 是度數的聯合概率分布(混合矩陣)。如果 G 有向，則矩陣 e 是源和目標的用戶指定度類型的聯合概率。

參考：

1

M. E. J. Newman, Mixing patterns in networks, Physical Review E, 67 026126, 2003

2

Foster, J.G., Foster, D.V., Grassberger, P. & Paczuski, M. Edge direction and the structure of networks, PNAS 107, 10815-20 (2010).

例子：

>>> G = nx.path_graph(4)
>>> r = nx.degree_assortativity_coefficient(G)
>>> print(f"{r:3.1f}")
-0.5