ComenzarEmpieza gratis

Encontrar colaboradores importantes

¡Ya casi lo tienes! Vas a volver a fijarte en los nodos importantes. Aquí, usarás las funciones degree_centrality() y betweenness_centrality() de NetworkX para calcular cada una de las puntuaciones de centralidad y luego usar esa información para encontrar los "nodos importantes". En otras palabras, tu tarea en este ejercicio es encontrar al/los usuario(s) que han colaborado con el mayor número de usuarios.

Este ejercicio forma parte del curso

Introducción al análisis de redes en Python

Ver curso

Instrucciones del ejercicio

  • Calcula las centralidades de grado de G. Guarda el resultado como deg_cent.
  • Calcula la centralidad de grado máxima. Como deg_cent es un diccionario, tendrás que usar el método .values() para obtener una lista de sus valores antes de calcular la centralidad de grado máxima con max().
  • Identifica a los colaboradores más prolíficos usando una comprensión de listas:
    • Itera sobre el diccionario de centralidad de grado deg_cent que calculaste antes usando su método .items(). ¿Qué condición debe cumplirse si quieres encontrar al/los usuario(s) que han colaborado con el mayor número de usuarios? Pista: tiene que ver con la centralidad de grado máxima.
  • Pulsa "Submit Answer" para ver quién(es) es/son el/los colaborador(es) más prolífico(s).

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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)
Editar y ejecutar código