CommencezCommencez gratuitement

Repérer les collaborateurs importants

On y est presque ! Vous allez maintenant examiner de nouveau les nœuds importants. Ici, vous utiliserez les fonctions degree_centrality() et betweenness_centrality() de NetworkX pour calculer chacune des mesures de centralité, puis vous vous en servirez pour trouver les « nœuds importants ». Autrement dit, votre tâche dans cet exercice est de trouver le ou les utilisateur(s) ayant collaboré avec le plus grand nombre d'utilisateurs.

Cette activité fait partie du cours

Introduction à l'analyse des réseaux en Python

Voir le cours

Instructions de l’exercice

  • Calculez les centralités de degré de G. Stockez le résultat dans deg_cent.
  • Calculez la centralité de degré maximale. Comme deg_cent est un dictionnaire, vous devrez utiliser la méthode .values() pour obtenir la liste de ses valeurs avant de calculer la valeur maximale avec max().
  • Repérez les collaborateurs les plus prolifiques à l'aide d'une compréhension de liste :
    • Itérez sur le dictionnaire de centralité de degré deg_cent calculé plus tôt en utilisant sa méthode .items(). Quelle condition doit être satisfaite si vous cherchez le ou les utilisateur(s) ayant collaboré avec le plus grand nombre d'utilisateurs ? Indice : cela a à voir avec la centralité de degré maximale.
  • Cliquez sur "Soumettre la réponse" pour voir qui est/sont le ou les collaborateur(s) le(s) plus prolifique(s) !

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)
Modifier et exécuter le code