Inizia subitoInizia gratis

Rappresenta la degree centrality sulla proiezione

Qui confronterai le distribuzioni della degree centrality per ciascuno dei seguenti grafi: il grafo originale G, la proiezione del grafo delle persone peopleG e la proiezione del grafo dei club clubsG. Questo ti aiuterà a fissare la differenza nel calcolo del punteggio di degree centrality tra le versioni bipartite e unipartite delle metriche. Le liste di nodi people e clubs sono già state caricate per te.

Ricorda dal video che le funzioni per grafi bipartiti richiedono di passare un contenitore di nodi, ma restituiscono comunque tutti i punteggi di degree centrality. Ricorda anche che i punteggi di degree centrality sono memorizzati come dizionari (mappano ciascun nodo al proprio punteggio).

Questo esercizio fa parte del corso

Analisi di reti intermedia in Python

Visualizza corso

Istruzioni dell'esercizio

  • Rappresenta la distribuzione della degree centrality del grafo originale G, usando la funzione degree_centrality del modulo bipartite: nx.bipartite.degree_centrality(). Richiede due argomenti: il grafo G e una delle liste di nodi (people o clubs).
  • Rappresenta la distribuzione della degree centrality del grafo peopleG, usando la normale funzione non bipartita degree_centrality di NetworkX: nx.degree_centrality().
  • Rappresenta la distribuzione della degree centrality del grafo clubsG, usando la normale funzione non bipartita degree_centrality di NetworkX: nx.degree_centrality().

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

import matplotlib.pyplot as plt 

# Plot the degree centrality distribution of both node partitions from the original graph
plt.figure()
original_dc = ____
# Remember that you can directly plot dictionary values.
plt.hist(____, alpha=0.5)
plt.yscale('log')
plt.title('Bipartite degree centrality')
plt.show()


# Plot the degree centrality distribution of the peopleG graph
plt.figure()  
people_dc = ____
plt.hist(____)
plt.yscale('log')
plt.title('Degree centrality of people partition')
plt.show()

# Plot the degree centrality distribution of the clubsG graph
plt.figure() 
clubs_dc = ____
plt.hist(____)
plt.yscale('log')
plt.title('Degree centrality of clubs partition')
plt.show()
Modifica ed esegui il codice