Identifier des collaborateurs importants
On y est presque ! Vous allez à nouveau examiner les nœuds importants. Ici, vous utiliserez les fonctions degree_centrality() et betweenness_centrality() de NetworkX pour calculer chacune des centralités correspondantes, puis exploiter ces informations pour repérer les « nœuds importants ». Autrement dit, votre objectif dans cet exercice est de trouver le(s) utilisateur(s) qui ont collaboré avec le plus grand nombre d’utilisateurs.
Cet exercice fait partie du cours
Introduction à l’analyse de réseaux en Python
Instructions
- Calculez les centralités de degré de
G. Stockez le résultat dansdeg_cent. - Calculez la centralité de degré maximale. Comme
deg_centest un dictionnaire, vous devrez utiliser la méthode.values()pour obtenir la liste de ses valeurs avant d’appliquermax(). - Identifiez les collaborateurs les plus prolifiques à l’aide d’une compréhension de liste :
- Itérez sur le dictionnaire de centralité de degré
deg_centcalculé précédemment en utilisant sa méthode.items(). Quelle condition doit être satisfaite si vous cherchez à trouver le(s) utilisateur(s) ayant collaboré avec le plus grand nombre d’utilisateurs ? Indice : cela a à voir avec la centralité de degré maximale.
- Itérez sur le dictionnaire de centralité de degré
- Cliquez sur "Soumettre la réponse" pour découvrir qui est/sont le(s) collaborateur(s) le(s) plus prolifique(s) !
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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)