如何在Python中使用networkx计算加权传递性[重复]答案

【问题标题】：how to calculate weighted transitivity with networkx in Python [duplicate]如何在Python中使用networkx计算加权传递性[重复]
【发布时间】：2020-10-31 03:26:38
【问题描述】：

据我所知，networkx中用于图传递性的函数是未加权的（如下所示）。

networkx.transitivity(G)

我已经在加权图上进行了尝试，但在结果中，只考虑了边。 networkx中还有其他方法可以计算加权传递性吗？另外，我只在R找到路，而对R一无所知。

【问题讨论】：

标签： python networkx weighted-graph transitivity

【解决方案1】：

如您所述，networkx.transitivity 函数计算整个图的未加权传递性度量。如果您从 R igraph package 引用加权传递性选项，它看起来不像 networkx 直接实现此计算。但是有一个函数 networkx.clustering(G, nodes=None, weight=None) (docs) 可以计算类似的指标，但公式不一样。

如果您正在寻找 igraph R 包中公式的 python 实现，您还可以查看 igraph 的 python 实现，它有一个图形类，其函数计算局部和全局加权传递性(docs)

【讨论】：

我已经检查了igraph中的函数transitivity_avglocal_undirected(self, mode='nan', weights=None)，它的定义正是network.average_clustering()。但是我要计算的是传递性，which are slightly different from average clustering coefficience.