在python中对加权图使用特征向量中心性

Question

我想将网络中心性用于相似矩阵。这意味着我有一个相似矩阵如下：

similarity matrix:[[1,0.1,1,0.4],
                   [0.13,1,0.9,0.6],
                   [0.6,0.1,1,0.11],
                   [0.5,0.23,0.43,1]]

然后我为这个矩阵创建了一个加权图。但我不知道如何为该图创建特征向量中心性。我使用下面的代码来做到这一点：

centrality = nx.eigenvector_centrality_numpy(G, weight='weight')

但是任何人都可以帮助我了解这段代码中的重量是什么意思吗？我应该用什么代替它？我的图表是自己加权的。如何在这段代码中显示它？

Answer 1

因此，如果您按以下方式创建图表：

G = nx.from_numpy_array(sim_matrix)

那么默认情况下，图表会使用您的权重进行加权。每条边都有一个属性“权重”。您可以通过运行以下代码对其进行测试：

G.edges(data=True)

EdgeDataView([(0, 0, {'weight': 1.0}), (0, 1, {'weight': 0.13}), (0, 2, {'weight': 0.6}), (0, 3, {'weight': 0.5}), (1, 1, {'weight': 1.0}), (1, 2, {'weight': 0.1}), (1, 3, {'weight': 0.23}), (2, 2, {'weight': 1.0}), (2, 3, {'weight': 0.43}), (3, 3, {'weight': 1.0})])

您可以为每个边/节点定义不同的属性 see networkx documentation

因此，当您使用 eigenvector_centrality_numpy 时，您可以定义权重的属性。在您的情况下，它是“权重”，这也是 documentation 中的默认值。