Aan de slagBegin gratis

Vind knooppunten met hoogste graadcentraliteit

In deze oefening duik je dieper in de vraag of er iets interessants te zien is bij de meest verbonden studenten in het netwerk. Eerst zoek je de groep studenten met de hoogste graadcentraliteit. Dit resultaat wordt bewaard voor de volgende plot-oefening.

Deze oefening maakt deel uit van de cursus

Gemiddelde netwerkanalyse in Python

Bekijk cursus

Oefeninstructies

  • Haal de top 5 unieke graadcentraliteitsscores op. Gebruik hiervoor de functie sorted(), waarbij het eerste argument de set is van graadcentraliteitswaarden van G (omdat je unieke graadcentraliteiten wilt), en het tweede argument reverse=True, zodat er in aflopende volgorde wordt gesorteerd. Beperk de resultaten tot de top 5 door passende slicing aan het einde van de instructie toe te voegen. Vergeet niet .values() te gebruiken op de geretourneerde graadcentraliteit!
  • Maak een lijst met knooppunten die tot de top 5 hoogste totale graadcentraliteiten behoren. Doe dit als volgt:
    • Itereer over de dictionary met graadcentraliteitsscores met de methode .items() op nx.degree_centrality(G).
    • Als dc in top_dcs zit, voeg dan het knooppunt n toe aan de lijst top_connected.
  • Print het aantal knooppunten dat de top 5 graadcentraliteitsscores deelt (top_connected) met behulp van len().

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Get the top 5 unique degree centrality scores: top_dcs
top_dcs = ____(set(____), reverse=True)[____:____]

# Create list of nodes that have the top 5 highest overall degree centralities
top_connected = []
for n, dc in ____:
    if ____ in ____:
        ____
        
# Print the number of nodes that share the top 5 degree centrality scores
print(____)
Code bewerken en uitvoeren