CommencerCommencez gratuitement

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

<cours>Introduction à l’analyse de réseaux en Python</cours>
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 d’appliquer max().
  • Identifiez les collaborateurs les plus prolifiques à l’aide d’une compréhension de liste :
    • Itérez sur le dictionnaire de centralité de degré deg_cent calculé 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.
  • 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 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