ComeçarComece de graça

Encontre nós com as maiores centralidades de grau

Neste exercício, você vai se aprofundar para ver se há algo interessante sobre os estudantes mais conectados na rede. Primeiro, você vai encontrar o grupo de estudantes que têm as maiores centralidades de grau. Esse resultado será salvo para o próximo exercício de plotagem.

Este exercício faz parte do curso

Análise de Redes Intermediária em Python

Ver curso

Instruções do exercício

  • Obtenha as 5 maiores pontuações de centralidade de grau únicas. Para isso, use a função sorted(), em que o primeiro argumento é o set dos valores de centralidade de grau de G (porque você quer centralidades de grau únicas) e o segundo argumento é reverse=True, para garantir a ordenação em ordem decrescente. Para limitar os resultados às 5 maiores pontuações, adicione a fatia apropriada ao final da instrução. Além disso, lembre-se de usar .values() nos resultados de centralidade de grau retornados!
  • Crie uma lista de nós que têm as 5 maiores centralidades de grau no geral. Para isso:
    • Itere sobre o dicionário de pontuações de centralidade de grau usando o método .items() em nx.degree_centrality(G).
    • Se dc estiver em top_dcs, então acrescente o nó n à lista top_connected.
  • Imprima o número de nós que compartilham as 5 maiores pontuações de centralidade de grau (top_connected) usando len().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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(____)
Editar e executar o código