入度中心性
中心性用于衡量某个节点在网络中的重要性。中心性的类型有很多，在 Twitter 网络中各自含义略有不同。我们先关注度数中心性，因为它计算简单，也更直观。
对于像 Twitter 这样的有向网络，尤其是在转推网络中，需要区分入度和出度中心性。转推网络中的入度中心性表示哪些用户被大量转推。
networkx 已按 nx 导入。
另外，网络 G_rt 和 G_reply 以及 column_names = ['screen_name', 'degree_centrality'] 已为您加载。
本练习是课程的一部分
在 Python 中分析社交媒体数据
练习说明
- 使用
nx.in_degree_centrality()计算转推网络的入度中心性，并将结果存入rt_centrality。 - 对回复网络执行相同操作，并将结果存入
reply_centrality。 - 将回复网络中心性的 items（即键值对元组）传入 DataFrame 构造函数。
- 对转推网络也执行同样的操作。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Generate in-degree centrality for retweets
rt_centrality = ____
# Generate in-degree centrality for replies
reply_centrality = ____
# Store centralities in DataFrame
rt = pd.DataFrame(list(____), columns = column_names)
reply = pd.DataFrame(list(____), columns = column_names)
# Print first five results in descending order of centrality
print(rt.sort_values('degree_centrality', ascending = False).head())
# Print first five results in descending order of centrality
print(reply.sort_values('degree_centrality', ascending = False).head())