逐日找出最热门的论坛：II
上一题完成得很好——您已经编写了生成时间序列图列表的代码。现在，咱们来收尾：按天统计有多少个论坛达到了「最热门论坛」的得分！
这里您会用到一次「字典推导式」来筛选字典。这与用列表推导式筛选列表非常相似，只是语法如下：{key: val for key, val in dict.items() if ...}。请记住这一点！
本练习是课程的一部分
Python 网络分析中级
练习说明
- 使用
nx.bipartite.degree_centrality()获取度中心性，参数为G_sub和forum_nodes。 - 筛选字典，仅保留论坛的度中心性。输出表达式中的
key: val应为n, dc。遍历dc.items()，并检查n是否在forum_nodes中。 - 找出最热门的论坛（可为多个）——它们应具有最高的度中心性（
max(forum_dcs.values())），且其 DC 值不为 0。 - 将最高的
dc值追加到highest_dcs。 - 创建可视化图：
- 第一幅图使用列表推导式，遍历
most_popular_forums（这是一个由列表组成的列表），迭代变量为forums。输出表达式应为最热门论坛的数量，使用len()计算。 - 第二幅图使用
highest_dcs和plt.plot()来可视化最高的度中心性得分。
- 第一幅图使用列表推导式，遍历
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 necessary modules
from datetime import timedelta
import networkx as nx
import matplotlib.pyplot as plt
most_popular_forums = []
highest_dcs = []
curr_day = dayone
td = timedelta(days=1)
while curr_day < lastday:
if curr_day.day == 1:
print(curr_day)
G_sub = nx.Graph()
G_sub.add_nodes_from(G.nodes(data=True))
G_sub.add_edges_from([(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 degree centrality
dc = ____
# Filter the dictionary such that there's only forum degree centralities
forum_dcs = {____:____ for ____, ____ in ____ if n in ____}
# Identify the most popular forum(s)
most_popular_forum = [n for n, dc in ____ if dc == ____(____) and dc != 0]
most_popular_forums.append(most_popular_forum)
# Store the highest dc values in highest_dcs
highest_dcs.append(max(____))
curr_day += td
plt.figure(1)
plt.plot([len(____) for ____ in ____], color='blue', label='Forums')
plt.ylabel('Number of Most Popular Forums')
plt.show()
plt.figure(2)
plt.plot(____, color='orange', label='DC Score')
plt.ylabel('Top Degree Centrality Score')
plt.show()