LoslegenKostenlos loslegen

Wichtige Kollaborateur:innen finden

Fast geschafft! Du schaust dir jetzt noch einmal wichtige Knoten an. Hier verwendest du die Funktionen degree_centrality() und betweenness_centrality() in NetworkX, um die jeweiligen Zentralitätswerte zu berechnen, und nutzt diese Information, um die „wichtigen Knoten“ zu finden. Anders gesagt: Deine Aufgabe in dieser Übung ist es, die Nutzer:innen zu finden, die mit den meisten anderen Nutzer:innen kollaboriert haben.

Diese Übung ist Teil des Kurses

Einstieg in die Netzwerkanalyse mit Python

Kurs anzeigen

Anleitung zur Übung

  • Berechne die Degree-Zentralitäten von G. Speichere das Ergebnis als deg_cent.
  • Berechne die maximale Degree-Zentralität. Da deg_cent ein Dictionary ist, musst du zuerst mit der Methode .values() die Liste der Werte erhalten und anschließend mit max() die maximale Degree-Zentralität bestimmen.
  • Identifiziere die produktivsten Kollaborateur:innen mit einer List Comprehension:
    • Iteriere über das zuvor berechnete Degree-Zentralitäts-Dictionary deg_cent mit seiner Methode .items(). Welche Bedingung muss erfüllt sein, wenn du Nutzer:innen finden willst, die mit den meisten anderen Nutzer:innen kollaboriert haben? Hinweis: Es hat mit der maximalen Degree-Zentralität zu tun.
  • Klicke auf Antwort senden, um zu sehen, wer die produktivsten Kollaborateur:innen sind!

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Compute the degree centralities of G: deg_cent
deg_cent = ____

# Compute the maximum degree centrality: max_dc
max_dc = ____

# Find the user(s) that have collaborated the most: prolific_collaborators
prolific_collaborators = [n for n, dc in ____ if ____ == ____]

# Print the most prolific collaborator(s)
print(prolific_collaborators)
Code bearbeiten und ausführen