Kom igångKom igång gratis

Hitta viktiga samarbetspartners

Nästan framme! Nu ska du titta på viktiga noder igen. Här använder du funktionerna degree_centrality() och betweenness_centrality() i NetworkX för att beräkna respektive centralitetspoäng, och sedan använda den informationen för att hitta de "viktiga noderna". Din uppgift i den här övningen är alltså att hitta de användare som har samarbetat med flest antal användare.

Den här övningen är en del av kursen

Introduktion till nätverksanalys i Python

Visa kurs

Övningsinstruktioner

  • Beräkna gradcentraliteterna för G. Spara resultatet som deg_cent.
  • Beräkna den maximala gradcentraliteten. Eftersom deg_cent är en ordbok behöver du använda metoden .values() för att hämta en lista med dess värden innan du beräknar den maximala gradcentraliteten med max().
  • Identifiera de mest produktiva samarbetspartners med hjälp av en listomfattning:
    • Iterera över ordboken för gradcentralitet deg_cent som beräknades tidigare, med hjälp av dess .items()-metod. Vilket villkor ska vara uppfyllt för att hitta de användare som har samarbetat med flest antal användare? Ledtråd: Det har att göra med den maximala gradcentraliteten.
  • Klicka på 'Skicka in svar' för att se vilka som är de mest produktiva samarbetspartners!

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod