识别网络中最中心的节点（使用 Networkx）

Question

我正在尝试生成查看特定节点的子图。具体来说，我希望使用不同的颜色和标签，只看到那些在我的图中具有高度中心性或介数中心性的节点。例如，可以使用 Zachary 的空手道俱乐部模型（我的图表是无向的）。

为了计算度中心性和介数，我使用了以下函数（在 NetworkX 中）：

degCent = nx.degree_centrality(G)
betCent = nx.betweenness_centrality(G, normalized=True, endpoints=True)

我的图表由大约 5000 个节点组成（所以不是一个巨大的图表），我只对基于度数和中介中心性的前 10 个节点感兴趣，只是想看看这些节点与谁相连以及它们在哪里位于然后图表中。

我的方法是 select 根据度中心性和介数中心性分配不同颜色的前 10 个节点（如果它们在 degree/betweenness 中心性列表的前 10 名中则为绿色；否则为红色)，将网络中的节点过滤为 select 只有那些感兴趣的节点（也为它们分配一个标签，只是为了查看它们在网络中的位置）。

我们绝对欢迎任何帮助和建议。

Answer 1

这是一种执行您描述的操作的方法。首先，让我们生成一个带有 fast_gnp_random_graph 的随机图来说明这个过程。从那里，您可以使用 nx.degree_centrality 和 nx.betweenness_centrality 计算度中心度度量和中间中心度度量。因为您只对每个度量的前 10 个节点感兴趣，所以您可以按降序对结果进行排序并保留前 10 个项目。请注意，前 10 个度数节点可能与前 10 个中间节点不同。找到每个度量的前 10 个节点后，您可以将颜色关联到该节点。下面，如果节点不属于任何前 10 名，则节点为 lightsteelblue，如果它们仅属于前 10 度中心性的一部分，则为 tab:orange，如果它们仅属于前 10 名，则为 tab:blue 10 betweeness centrality 和 tab:green 如果它们都是前 10 名的一部分。最后，您可以绘制结果并设置图例。请参阅下面的代码：

import networkx as nx
from networkx.generators import *
import numpy as np
import matplotlib.pyplot as plt

N_nodes=50
G=fast_gnp_random_graph(N_nodes,p=0.1,seed=0)

#Computing centrality
degCent = nx.degree_centrality(G)

#Descending order sorting centrality
degCent_sorted=dict(sorted(degCent.items(), key=lambda item: item[1],reverse=True))

#Computing betweeness
betCent = nx.betweenness_centrality(G, normalized=True, endpoints=True)

#Descending order sorting betweeness
betCent_sorted=dict(sorted(betCent.items(), key=lambda item: item[1],reverse=True))

#Color for regular nodes
color_list=N_nodes*['lightsteelblue']

#Getting indices on top 10 nodes for each measure
N_top=10
colors_top_10=['tab:orange','tab:blue','tab:green','lightsteelblue']
keys_deg_top=list(degCent_sorted)[0:N_top]
keys_bet_top=list(betCent_sorted)[0:N_top]

#Computing centrality and betweeness intersection
inter_list=list(set(keys_deg_top) & set(keys_bet_top))

#Setting up color for nodes
for i in inter_list:
  color_list[i]=colors_top_10[2]

for i in range(N_top):
  if keys_deg_top[i] not in inter_list:
    color_list[keys_deg_top[i]]=colors_top_10[0]
  if keys_bet_top[i] not in inter_list:
    color_list[keys_bet_top[i]]=colors_top_10[1]

#Draw graph
pos= nx.circular_layout(G)
nx.draw(G,pos,with_labels=True,node_color=color_list)

#Setting up legend
labels=['Top 10 deg cent','Top 10 bet cent','Top 10 deg and bet cent','no top 10']
for i in range(len(labels)):
  plt.scatter([],[],label=labels[i],color=colors_top_10[i])
plt.legend(loc='center')
plt.show()

并且输出给出：

下面是将相同方法应用于 Zachary 的空手道俱乐部数据集的结果。只有前两行代码发生了变化。我替换了

N_nodes=50
G=fast_gnp_random_graph(N_nodes,p=0.1,seed=0)

和

G = nx.karate_club_graph()
N_nodes=G.number_of_nodes()

并且输出给出：

识别网络中最中心的节点（使用 Networkx）

Identify the most central nodes in a network (using Networkx)

python

networkx