ComeçarComece de graça

Encontrando colaboradores importantes

Quase lá! Você vai analisar novamente os nós importantes. Aqui, você vai usar as funções degree_centrality() e betweenness_centrality() do NetworkX para calcular cada uma das pontuações de centralidade e, em seguida, usar essas informações para encontrar os “nós importantes”. Em outras palavras, sua tarefa neste exercício é encontrar o(s) usuário(s) que colaborou(aram) com o maior número de usuários.

Este exercício faz parte do curso

Introdução à Análise de Redes em Python

Ver curso

Instruções do exercício

  • Calcule as centralidades de grau de G. Guarde o resultado em deg_cent.
  • Calcule a centralidade de grau máxima. Como deg_cent é um dicionário, você precisará usar o método .values() para obter uma lista de seus valores antes de calcular a centralidade máxima com max().
  • Identifique os colaboradores mais prolíficos usando uma compreensão de lista:
    • Percorra o dicionário de centralidade de grau deg_cent que foi calculado anteriormente usando o método .items(). Que condição deve ser satisfeita se você quer encontrar o(s) usuário(s) que colaborou(aram) com o maior número de usuários? Dica: tem a ver com a centralidade de grau máxima.
  • Clique em "Enviar Resposta" para ver quem é/são o(s) colaborador(es) mais prolífico(s)!

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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)
Editar e executar o código