Python NetworkX configuration_model用法及代碼示例

返回具有給定度數序列的隨機圖。

配置模型通過隨機分配邊以匹配給定的度數序列來生成隨機偽圖(具有平行邊和自環的圖)。

參數：

deg_sequence：非負整數列表

每個列表條目對應一個節點的度數。

create_using：NetworkX 圖形構造函數，可選(默認 MultiGraph)

要創建的圖表類型。如果是圖形實例，則在填充之前清除。

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：

G：MultiGraph

具有指定度數序列的圖。節點從 0 開始標記，索引對應於 deg_sequence 中的位置。

拋出：

NetworkXError

如果度數序列沒有偶數和。

注意：

正如紐曼[1]所說明的。

允許使用非圖形度數序列(某些簡單圖無法實現)，因為此函數返回具有自環和平行邊的圖。如果度數序列沒有偶數和，則會引發異常。

此配置模型構建過程可能導致重複的邊和循環。您可以刪除自環和平行邊(見下文)，這可能會導致圖形沒有指定精確的度數序列。

隨著節點數量的增加，自環和平行邊的密度趨於降低。然而，通常自環的數量將接近具有非零均值的泊鬆分布，平行邊的數量也是如此。考慮一個帶有k 存根的節點。加入同一節點的另一個存根的概率本質上是 (k - 1 ) /N ，其中 k 是度數，N 是節點數。因此，對於某個常數 c ，自循環的概率會像 c /N 一樣縮放。隨著N 的增長，這意味著我們期望c 自循環。對於平行邊也是如此。

參考：

1

M.E.J. Newman, “The structure and function of complex networks”, SIAM REVIEW 45-2, pp 167-256, 2003.

例子：

您可以使用 random_sequence 中的一個分布函數(或您自己的一個)來創建遵循特定分布的度數序列。例如，要在一百個節點上創建一個無向多重圖，其度數序列選自冪律分布：

>>> sequence = nx.random_powerlaw_tree_sequence(100, tries=5000)
>>> G = nx.configuration_model(sequence)
>>> len(G)
100
>>> actual_degrees = [d for v, d in G.degree()]
>>> actual_degrees == sequence
True

返回的圖是一個多重圖，它可能有平行的邊。要從返回的圖中刪除任何平行邊：

>>> G = nx.Graph(G)

同樣，要刪除自循環：

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