Python NetworkX random_clustered_graph用法及代碼示例

生成具有給定聯合獨立邊度和三角形度序列的隨機圖。

這使用配置model-like 方法通過隨機分配邊以匹配給定的關節度數序列來生成隨機圖(具有平行邊和自環)。

關節度數序列是形式為 \([(d_{1,i}, d_{1,t}), \dotsc, (d_{n,i}, d_{n,t})]\) 的整數對列表。根據此列表，頂點\(u\) 是\(d_{u,t}\) 三角形的成員，並具有\(d_{u, i}\) 其他邊。編號 \(d_{u,t}\) 是 \(u\) 的 triangle degree ，編號 \(d_{u,i}\) 是 independent edge degree 。

參數：

joint_degree_sequence：整數對列表

每個列表條目對應一個節點的獨立邊度和三角形度。

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

如果獨立邊度數序列和不是偶數或三角形度數序列和不能被 3 整除。

注意：

正如 Miller [1] 所說明的(另請參見 Newman [2] 的等效說明)。

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。如果獨立度數序列沒有偶數和或三角形度數序列和不能被 3 整除，則會引發異常。

此配置model-like 構造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。這種“finite-size 效果”隨著圖表大小的增加而減少。

參考：

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)

要刪除平行邊：

>>> G = nx.Graph(G)

要刪除自循環：

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