开始使用免费开始使用

深度解析——Twitter 网络

接下来，您将对一个 Twitter 网络进行深入分析，以巩固之前所学的知识。首先，您将寻找那些能在一度关系范围内高效向大量用户广播消息的节点。

NetworkX 已为您预先导入为 nx。

本练习是课程的一部分

Python 网络分析入门

查看课程

练习说明

  • 编写函数 find_nodes_with_highest_deg_cent(G)，按以下步骤返回度中心性最高的节点：
    • 计算 G 的度中心性。
    • 对 list(deg_cent.values()) 使用 max() 计算最大的度中心性值。
    • 遍历度中心性字典 deg_cent.items()。
    • 如果当前节点 k 的度中心性值 v 等于 max_dc，将其加入节点集合。
  • 使用您的函数，找到图 T 中度中心性最高的节点。
  • 编写断言语句，检查是否正确识别出该节点（或这些节点）。此步骤已为您完成，点击 "提交答案" 查看结果！

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Define find_nodes_with_highest_deg_cent()
def find_nodes_with_highest_deg_cent(G):

    # Compute the degree centrality of G: deg_cent
    deg_cent = ____

    # Compute the maximum degree centrality: max_dc
    max_dc = ____

    nodes = set()

    # Iterate over the degree centrality dictionary
    for k, v in ____:

        # Check if the current value has the maximum degree centrality
        if ____ == ____:

            # Add the current node to the set of nodes
            ____

    return nodes

# Find the node(s) that has the highest degree centrality in T: top_dc
top_dc = ____
print(top_dc)

# Write the assertion statement
for node in top_dc:
    assert nx.degree_centrality(T)[node] == max(nx.degree_centrality(T).values())
编辑并运行代码