Začněte nyníZačněte zdarma

Vykreslení centralit stupně na projekci

V tomto cvičení porovnáš rozdělení centralit stupně pro tři grafy: původní graf G, projekci grafu lidí peopleG a projekci grafu klubů clubsG. Díky tomu lépe pochopíš rozdíl ve výpočtu centralit stupně mezi bipartitní a unipartitní verzí těchto metrik. Seznamy uzlů people a clubs jsou už načtené.

Nezapomeň, že bipartitní funkce vyžadují předání kontejneru uzlů, ale vrátí centrality stupně pro všechny uzly. Centrality stupně jsou uloženy jako slovníky (mapování uzel → skóre).

Toto cvičení je součástí kurzu

Intermediate Network Analysis in Python

Zobrazit kurz

Pokyny k cvičení

  • Vykresli rozdělení centralit stupně původního grafu G pomocí funkce degree_centrality z bipartitního modulu: nx.bipartite.degree_centrality(). Funkce přijímá dva argumenty: graf G a jeden ze seznamů uzlů (people nebo clubs).
  • Vykresli rozdělení centralit stupně grafu peopleG pomocí standardní (nebipartitní) funkce degree_centrality z NetworkX: nx.degree_centrality().
  • Vykresli rozdělení centralit stupně grafu clubsG pomocí standardní (nebipartitní) funkce degree_centrality z NetworkX: nx.degree_centrality().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

import matplotlib.pyplot as plt 

# Plot the degree centrality distribution of both node partitions from the original graph
plt.figure()
original_dc = ____
# Remember that you can directly plot dictionary values.
plt.hist(____, alpha=0.5)
plt.yscale('log')
plt.title('Bipartite degree centrality')
plt.show()


# Plot the degree centrality distribution of the peopleG graph
plt.figure()  
people_dc = ____
plt.hist(____)
plt.yscale('log')
plt.title('Degree centrality of people partition')
plt.show()

# Plot the degree centrality distribution of the clubsG graph
plt.figure() 
clubs_dc = ____
plt.hist(____)
plt.yscale('log')
plt.title('Degree centrality of clubs partition')
plt.show()
Upravit a spustit kód