เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ค้นหาผู้ร่วมงานที่สำคัญ

ใกล้จะถึงแล้ว! คราวนี้จะมาดูโหนดสำคัญอีกครั้ง โดยใช้ฟังก์ชัน degree_centrality() และ betweenness_centrality() ใน NetworkX เพื่อคำนวณคะแนน centrality ของแต่ละประเภท แล้วนำข้อมูลนั้นมาหา "โหนดสำคัญ" กล่าวคือ งานในแบบฝึกหัดนี้คือการค้นหาผู้ใช้ที่ร่วมงานกับผู้อื่นมากที่สุด

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์เครือข่ายเบื้องต้นด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณค่า degree centrality ของ G แล้วเก็บผลลัพธ์ไว้ในตัวแปร deg_cent
  • คำนวณค่า degree centrality สูงสุด เนื่องจาก deg_cent เป็น dictionary จึงต้องใช้เมธอด .values() เพื่อดึงรายการค่าออกมาก่อน แล้วจึงใช้ max() เพื่อหาค่าสูงสุด
  • ระบุผู้ร่วมงานที่มีความสัมพันธ์มากที่สุดโดยใช้ list comprehension:
    • วนซ้ำผ่าน dictionary deg_cent ที่คำนวณไว้ก่อนหน้าโดยใช้เมธอด .items() เงื่อนไขใดที่ต้องเป็นจริงหากต้องการค้นหาผู้ใช้ที่ร่วมงานกับผู้อื่นมากที่สุด? คำใบ้: เกี่ยวข้องกับค่า degree centrality สูงสุด
  • กด 'ส่งคำตอบ' เพื่อดูว่าใครคือผู้ร่วมงานที่มีความสัมพันธ์มากที่สุด!

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด