Блог

У меня небольшая графовая сеть, и я искал методы, которые могут использовать структурные свойства небольшой сети для создания сложной сети. Я хотел бы использовать метод, который сохраняет такие свойства, как распределение степеней, кластеризация и т.д..

К счастью, я наткнулся на эту [статью] (https://link.springer.com/article/10.1007/s41109-017-0054-z ), в котором обсуждается создание копии исходной сети с последующим масштабированием сети.

Например, я сгенерировал взвешенный по краям график Networkx, подобный следующему: (случайный график создается для иллюстрации),

 import random
import networkx as nx
import matplotlib.pyplot as plt
G = nx.gnm_random_graph(20, 30, seed=1)

for (u, v) in G.edges():
    G.edges[u, v]['weight'] = random.randint(0, 10)

nx.draw(G, with_labels=True)
plt.show()
print(G.edges(data=True))
  

Этот граф имеет 20 узлов. Я хотел бы знать, как масштабировать такие сети с помощью
масштабного коэффициента x, варьирующегося от 5 до 10. Примеры будут действительно полезны.

Кроме того, в документации (https://github.com/networkit/networkit/blob/Dev/notebooks/User-Guide .ipynb) упоминается, что поддерживаемым форматом данных графа является формат смежности METIS. Я хотел бы знать, нужно ли преобразовывать график networkx в график metis. Есть ли возможность напрямую использовать график Networkx в Networkit?

Вы можете использовать модуль nxadapter в NetworKit для преобразования графиков из networkx в NetworKit и наоборот. В вашем коде это будет работать следующим образом:

 import networkit as nk
import random
import networkx as nx
import matplotlib.pyplot as plt
G = nx.gnm_random_graph(20, 30, seed=1)

for (u, v) in G.edges():
    G.edges[u, v]['weight'] = random.randint(0, 10)

nx.draw(G, with_labels=True)
plt.show()
print(G.edges(data=True))

# Networkx graph to NetworKit graph
G_nk = nk.nxadapter.nx2nk(G, weightAttr='weight')
  

Для генерации сложных сетей вы также можете рассмотреть возможность использования генератора графов, здесь вы можете найти несколько примеров.