按天提取学生分区的平均度中心性
在这里，您将查看所有节点的平均度中心性是否与随时间绘制的边数相关。二者不一定存在强相关，您将检验是否如此。
本练习是课程的一部分
Python 网络分析中级
练习说明
- 实例化一个名为
G_sub的新图，包含一部分边。 - 从
G中添加节点，并包含节点元数据。 - 使用
.add_edges_from()方法添加满足条件的边。 - 使用
nx.bipartite.projected_graph()从G_sub得到学生投影G_student_sub。 - 使用
nx.degree_centrality()计算学生投影的度中心性（不要使用二部图版本）。 - 将平均度中心性追加到列表
mean_dcs。请先将dc.values()转为列表。 - 点击 "Submit Answer" 查看绘图！
交互式实操练习
通过完成这段示例代码来试试这个练习。
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()