Bắt đầu ngayBắt đầu miễn phí

Đào sâu - Mạng Twitter phần II

Tiếp theo, bạn sẽ đào sâu tương tự về betweenness centrality! Một vài gợi ý: nhớ rằng betweenness centrality được tính bằng nx.betweenness_centrality(G).

Bài tập này là một phần của khóa học

Nhập môn Phân tích Mạng bằng Python

Xem khóa học

Hướng dẫn bài tập

  • Viết hàm find_node_with_highest_bet_cent(G) trả về nút (các nút) có betweenness centrality cao nhất.
    • Tính betweenness centrality của G.
    • Tính giá trị betweenness centrality lớn nhất bằng hàm max() trên list(bet_cent.values()).
    • Lặp qua từ điển betweenness centrality, bet_cent.items().
    • Nếu giá trị betweenness centrality v của nút hiện tại k bằng max_bc, hãy thêm nó vào tập các nút.
  • Dùng hàm của bạn để tìm nút (các nút) có betweenness centrality cao nhất trong T.
  • Viết một câu lệnh assert để kiểm tra bạn đã có đúng nút. Điều này đã được làm sẵn, nên hãy nhấn "Gửi câu trả lời" để xem kết quả!

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Define find_node_with_highest_bet_cent()
def find_node_with_highest_bet_cent(G):

    # Compute betweenness centrality: bet_cent
    bet_cent = ____

    # Compute maximum betweenness centrality: max_bc
    max_bc = ____

    nodes = set()

    # Iterate over the betweenness centrality dictionary
    for k, v in ____:

        # Check if the current value has the maximum betweenness centrality
        if ____ == ____:

            # Add the current node to the set of nodes
            ____

    return nodes

# Use that function to find the node(s) that has the highest betweenness centrality in the network: top_bc
top_bc = ____
print(top_bc)

# Write an assertion statement that checks that the node(s) is/are correctly identified.
for node in top_bc:
    assert nx.betweenness_centrality(T)[node] == max(nx.betweenness_centrality(T).values())
Chỉnh sửa và Chạy Mã