IniziaInizia 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 il 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 pratico interattivo

Prova a risolvere questo esercizio completando il 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