ComenzarEmpieza gratis

Representa la centralidad de grado en la proyección

Aquí vas a comparar las distribuciones de centralidad de grado para cada uno de los siguientes grafos: el grafo original G, la proyección del grafo de personas peopleG y la proyección del grafo de clubes clubsG. Esto reforzará la diferencia en el cálculo de la puntuación de centralidad de grado entre las versiones bipartita y unipartita de estas métricas. Las listas de nodos people y clubs ya están cargadas.

Recuerda del vídeo que las funciones bipartitas requieren pasar un contenedor de nodos, pero aun así devolverán todas las puntuaciones de centralidad de grado. Recuerda también que las puntuaciones de centralidad de grado se almacenan como diccionarios (que mapean nodo a puntuación).

Este ejercicio forma parte del curso

Análisis de redes intermedio en Python

Ver curso

Instrucciones del ejercicio

  • Representa la distribución de centralidad de grado del grafo original G usando la función degree_centrality del módulo bipartito: nx.bipartite.degree_centrality(). Acepta dos argumentos: el grafo G y una de las listas de nodos (people o clubs).
  • Representa la distribución de centralidad de grado del grafo peopleG usando la función normal/no bipartita degree_centrality de NetworkX: nx.degree_centrality().
  • Representa la distribución de centralidad de grado del grafo clubsG usando la función normal/no bipartita degree_centrality de NetworkX: nx.degree_centrality().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

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()
Editar y ejecutar código