开始使用免费开始使用

查找共同成员：转置

您可能已经注意到，当将图转换为稀疏矩阵表示时，会丢失元数据。接下来您将学习如何把这些元数据补回去，从而更好地分析共同成员关系。

上一练习中您计算得到的 user_matrix 已预加载到工作区。

这里，np.where() 函数会很有用。其作用如下：给定一个数组，例如 a = [1, 5, 9, 5]，如果您想获得值等于 5 的索引，可以使用 idxs = np.where(a == 5)。这会返回一个包含数组的元组 (array([1, 3]),)。要访问这些索引，需要以 idxs[0] 的方式索引该元组。

本练习是课程的一部分

Python 网络分析中级

查看课程

练习说明

  • 找出加入俱乐部数量最多的人员姓名。
    • 为此，先在 user_matrix 上使用 .diagonal() 方法计算 diag。
    • 然后使用 np.where() 选择那些使 diag 等于 diag.max() 的索引。该操作返回一个元组：请务必用 [0] 访问元组中的索引数组。
    • 遍历 indices，并使用提供的 print() 函数打印 people_nodes 中每个索引 i。
  • 将对角线元素设为 0 并将其转换为"坐标矩阵格式"。这段代码已在答案中为您提供。
  • 找出在最多俱乐部中共同入会的用户对。
    • 使用 np.where() 访问 users_coo.data 等于 users_coo.data.max() 的索引。
    • 遍历 indices2，并打印 people_node 的 users_coo.row 与 users_coo.col 中每个索引 idx 对应的元素。

交互式实操练习

通过完成这段示例代码来试试这个练习。

import numpy as np

# Find out the names of people who were members of the most number of clubs
diag = ____ 
indices = np.where(____ == ____)[0]  
print('Number of clubs: {0}'.format(diag.max()))
print('People with the most number of memberships:')
for i in indices:
    print('- {0}'.format(____))

# Set the diagonal to zero and convert it to a coordinate matrix format
user_matrix.setdiag(0)
users_coo = user_matrix.tocoo()

# Find pairs of users who shared membership in the most number of clubs
indices2 = np.where(____ == ____)[0]
print('People with most number of shared memberships:')
for idx in indices2:
    print('- {0}, {1}'.format(people_nodes[____.____[____]], people_nodes[____.____[____]]))
编辑并运行代码