开始使用免费开始使用

深度解析——Twitter 网络（下）

接下来，您将以同样的方式深入分析介数中心性！给您几个提示：请记住，介数中心性可以使用 nx.betweenness_centrality(G) 计算。

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_node_with_highest_bet_cent(G)，返回介数中心性最高的节点（可为多个）。
    • 计算图 G 的介数中心性。
    • 使用 max() 对 list(bet_cent.values()) 求值，得到最大介数中心性。
    • 遍历介数中心性字典 bet_cent.items()。
    • 如果当前节点 k 的介数中心性值 v 等于 max_bc，则将其加入节点集合。
  • 使用您的函数，找出在图 T 中介数中心性最高的节点。
  • 写一条断言语句以验证您找对了节点。本步骤已为您完成，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_node_with_highest_bet_cent()
def find_node_with_highest_bet_cent(G):

    # Compute betweenness centrality: bet_cent
    bet_cent = ____

    # Compute maximum betweenness centrality: max_bc
    max_bc = ____

    nodes = set()

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

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

            # Add the current node to the set of nodes
            ____

    return nodes

# Use that function to find the node(s) that has the highest betweenness centrality in the network: top_bc
top_bc = ____
print(top_bc)

# Write an assertion statement that checks that the node(s) is/are correctly identified.
for node in top_bc:
    assert nx.betweenness_centrality(T)[node] == max(nx.betweenness_centrality(T).values())
编辑并运行代码