networkx 加权图中的中心性答案

【问题标题】：Centralities in networkx weighted graphnetworkx 加权图中的中心性
【发布时间】：2017-01-28 16:24:06
【问题描述】：

我无法计算简单 NetworkX 加权图的中心性。
这是正常的还是我做错了什么？

我用一个简单的add_edge(c[0],c[1],weight = my_values) 添加边，其中 c[0],c[1] 是字符串（节点的名称）和 my_values 整数，在 for 循环中。这是结果边缘的示例：

('first node label', 'second node label', {'weight': 14})

（节点的数量并不重要——现在我只保留 20 个）

我的图表的边列表是一个元组列表，带有 (string_node1,string_node2,weight_dictionary) - 一切看起来都很好，因为我还能够绘制/保存/读取/图表...

为什么？：

示例：

{'first node name': 1.0,
...
'last node name': 1.0}

感谢您的帮助。

【问题讨论】：

如果您发布一个完整的（非）工作示例，将更容易发现问题所在。
是的，我明白，但我有点害怕数据的敏感性——真实人物的名字，还活着。我可以说我刚刚通过将weight='weight' 添加到nx.clustering、nx.degree_assortativity_coefficient 和nx.betweenness_centrality 来解决这个“问题”...这就是为什么我想知道我是否真的能获得加权度 i> 使用已实现的功能...可能我必须定义自己的功能，以便计算加权度...即使这对我来说有点奇怪

【解决方案1】：

为了使closeness_centrality 考虑权重，您必须按照this issue 中的建议将1 / weight 的distance 属性添加到图形边缘。

这是执行此操作的代码（图表为g）：

g_distance_dict = {(e1, e2): 1 / weight for e1, e2, weight in g.edges(data='weight')}
nx.set_edge_attributes(g, g_distance_dict, 'distance')

【讨论】：

【解决方案2】：

我知道这是一个很老的问题，但只是想指出您的度中心性值全部为 1 的原因可能是因为您的图表是完整的（即所有节点都连接到其他每个节点），并且度中心度是指图中一个节点所连接的节点所占的比例。

节点 v 的度中心性是它所连接的节点的比例。

度中心性值通过除以简单图 n-1 中的最大可能度来归一化，其中 n 是 G 中的节点数。

【讨论】：

【解决方案3】：

很简单：

我没有使用nx.degree_centrality() my_graph.degree(weight='weight') - 我仍然认为这是模块中的基本缺陷......

...但是，对于nx.closeness_centrality，问题仍然存在

【讨论】：