逐日擷取學生分割上的平均度中心性
在這裡，你要檢查所有節點的平均度中心性，是否與隨時間繪製的邊數有相關。兩者不一定會有強相關，你將透過觀察來確認是否如此。
本練習屬於課程
Python 網路分析進階
練習說明
- 建立一個名為
G_sub的新圖，僅包含部分邊。 - 從
G加入節點，包含節點的中介資料（metadata）。 - 使用
.add_edges_from()加入符合條件的邊。 - 使用
nx.bipartite.projected_graph()，從G_sub取得學生投影G_student_sub。 - 使用
nx.degree_centrality()計算學生投影的度中心性（不要使用二分圖版本）。 - 將平均度中心性加入清單
mean_dcs。請先把dc.values()轉成 list。 - 按下「送出答案」來查看圖表！
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
from datetime import datetime, timedelta
import numpy as np
import networkx as nx
import matplotlib.pyplot as plt
# Initialize a new list: mean_dcs
mean_dcs = []
curr_day = dayone
td = timedelta(days=2)
while curr_day < lastday:
if curr_day.day == 1:
print(curr_day)
# Instantiate a new graph containing a subset of edges: G_sub
G_sub = ____
# Add nodes from G
G_sub.____(____)
# Add in edges that fulfill the criteria
G_sub.____([(u, v, d) for u, v, d in G.edges(data=True) if d['date'] >= curr_day and d['date'] < curr_day + td])
# Get the students projection
G_student_sub = ____
# Compute the degree centrality of the students projection
dc = ____
# Append mean degree centrality to the list mean_dcs
mean_dcs.____(np.mean(____(dc.values())))
# Increment the time
curr_day += td
plt.plot(mean_dcs)
plt.xlabel('Time elapsed')
plt.ylabel('Degree centrality.')
plt.show()