CommencezCommencez gratuitement

Trouver les nœuds avec les meilleures centralités de degré

Dans cet exercice, vous allez examiner de plus près s'il y a quelque chose d'intéressant au sujet des étudiants les plus connectés du réseau. Vous commencerez par trouver le groupe d'étudiants qui ont les centralités de degré les plus élevées. Ce résultat sera conservé pour l'exercice de visualisation suivant.

Cette activité fait partie du cours

Analyse de réseaux intermédiaire en Python

Voir le cours

Instructions de l’exercice

  • Obtenez les 5 scores de centralité de degré uniques les plus élevés. Pour ce faire, utilisez la fonction sorted(), dont le premier argument est l'ensemble des valeurs de centralité de degré de G (car vous voulez des centralités de degré uniques), et le second argument est reverse=True, afin d'assurer un tri en ordre décroissant. Pour limiter les résultats aux 5 meilleurs scores, ajoutez un découpage approprié à la fin de l'instruction. N'oubliez pas aussi d'utiliser .values() sur les résultats de centralité de degré retournés!
  • Créez la liste des nœuds qui ont les 5 plus hautes centralités de degré globales. Pour ce faire :
    • Itérez sur le dictionnaire des scores de centralité de degré à l'aide de la méthode .items() sur nx.degree_centrality(G).
    • Si dc est dans top_dcs, alors ajoutez le nœud n à la liste top_connected.
  • Affichez le nombre de nœuds qui partagent les 5 meilleurs scores de centralité de degré (top_connected) en utilisant len().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Get the top 5 unique degree centrality scores: top_dcs
top_dcs = ____(set(____), reverse=True)[____:____]

# Create list of nodes that have the top 5 highest overall degree centralities
top_connected = []
for n, dc in ____:
    if ____ in ____:
        ____
        
# Print the number of nodes that share the top 5 degree centrality scores
print(____)
Modifier et exécuter le code