Python NetworkX rich_club_coefficient用法及代碼示例

返回圖 G 的 rich-club 係數。

對於每個度數 k ，rich-club coefficient 是度數大於 k 的節點的實際邊數與潛在邊數之比：

其中 N_k 是度數大於 k 的節點數，E_k 是這些節點之間的邊數。

參數：

G：NetworkX 圖

既沒有平行邊也沒有自環的無向圖。

normalized：布爾(可選)

使用隨機網絡進行標準化，如 [1] 中所示

Q：浮點數(可選，默認=100)

如果 normalized 為 True，則執行 Q * m double-edge 交換，其中 m 是 G 中的邊數，用作 null-model 進行標準化。

seed：整數、random_state 或無(默認)

隨機數生成狀態的指示符。請參閱隨機性。

返回：

rc：字典

字典，以度為鍵，具有rich-club 係數值。

注意：

豐富的俱樂部定義和算法可以在[1]中找到。該算法忽略任何邊權重，並且沒有為有向圖或具有平行邊或自循環的圖定義。

Q 的適當值的估計值可在 [2] 中找到。

參考：

1(1,2)

Julian J. McAuley, Luciano da Fontoura Costa, and Tibério S. Caetano, “The rich-club phenomenon across complex network hierarchies”, Applied Physics Letters Vol 91 Issue 8, August 2007. https://arxiv.org/abs/physics/0701290

2

R. Milo, N. Kashtan, S. Itzkovitz, M. E. J. Newman, U. Alon, “Uniform generation of random graphs with arbitrary degree sequences”, 2006. https://arxiv.org/abs/cond-mat/0312028

例子：

>>> G = nx.Graph([(0, 1), (0, 2), (1, 2), (1, 3), (1, 4), (4, 5)])
>>> rc = nx.rich_club_coefficient(G, normalized=False, seed=42)
>>> rc[0]
0.4