计算图中的多条边 (python)

Question

我正在生成一个大小为 N 的网络，其幂律使用所谓的 configuration_model 算法进行度数分布。结果图允许多条边，我必须计算它们，但我不知道如何计算。这是一个可能的解决方案：

import networkx as nx
import numpy as np
from networkx.utils import (powerlaw_sequence, create_degree_sequence)

deg_sequence = create_degree_sequence(num, powerlaw_sequence, exponent=2.2)
graph=nx.configuration_model(deg_sequence)

num_par = sum(len(graph[node][neigh]) for node in graph for neigh in graph.neighbors_iter(node)) // 2
print ('Graph has %d multi-links' %num_par)

self_loops=len(graph.selfloop_edges())
print ('Graph has %d self-loops' %self_loops)

edges=len(graph.edges())
print edges

我在网上借用了第六行代码，但坦率地说，我不太明白它是如何工作的。特别是我无法理解它计算长度的 (graph[node][neigh]) 是什么。对我来说，它似乎也不像一个列表，但我敢肯定是我不明白这里的意思。顺便说一句，由于这段代码，我得到了很高比例的多条边，超过了链接总数的 98%，这对我来说似乎不太好。这种计算平行边的方法是否正确？如果是这样，你能解释一下它是如何工作的吗？您知道其他方法吗？

Answer 1

如果您在 for 循环而不是列表表达式中写出第 6 行，您将得到以下结果：

num_par = 0
for node in graph:
    for neigh in graph.neighbors(node):
        num_par += len(graph[node][neigh]) / 2.

我不确定那条线在计算什么；我确信它没有正确计算多边的数量。

如果你只是把图画成一个数组（num = 100），你可以立即看到多边很少：

arr = nx.to_numpy_matrix(graph)
plt.imshow(arr, interpolation='nearest', cmap='gray'); plt.show()

多边的数量很容易计算

num_multiedges = np.sum(arr>=2) / 2 # divide by two as graph is undirected

计算图中的多条边 (python)

Counting multiple edges in graph (python)

graph

networkx

python-2.7