average_neighbor_degree 方法如何在 networkX 中用于有向图？

Question

谁能解释一下来自 networkX 的方法 average_neighbor_degree 是如何工作的？对于普通图（非定向），结果与我的直觉和我的手算相符，但我对有向图有疑问——我不明白它是如何计算的，我的手算给出了与这种方法不同的结果。我的图表：

[有向图示例]

我已经运行 average_neighbor_degree 与参数 source 和 [=25= 的所有可能组合]target 表示有向图的基本属性。这是我的代码和结果：

G = nx.DiGraph([(0, 3), (1, 3), (2, 4), (3, 5), (3, 6), (4, 6), (6, 5), (4, 3)])

print(f'in-in: {nx.average_neighbor_degree(G, source="in", target= "in")}')
print(f'in-out: {nx.average_neighbor_degree(G, source="in", target= "out")}')
print(f'out-in: {nx.average_neighbor_degree(G, source="out", target= "in")}')
print(f'out-out: {nx.average_neighbor_degree(G, source="out", target= "out")}')

in-in: {0: 3.0, 3: 1.3333333333333333, 1: 3.0, 2: 1.0, 4: 5.0, 5: 0.0, 6: 1.0}
in-out: {0: 2.0, 3: 0.3333333333333333, 1: 2.0, 2: 2.0, 4: 3.0, 5: 0.0, 6: 0.0}
out-in: {0: 3.0, 3: 2.0, 1: 3.0, 2: 1.0, 4: 2.5, 5: 0.0, 6: 2.0}
out-out: {0: 2.0, 3: 0.5, 1: 2.0, 2: 2.0, 4: 1.5, 5: 0.0, 6: 0.0}

看着这张图，我不明白这是如何计算的，也不知道这些结果是从哪里来的。有人可以解释一下吗？

环境： Python 3.8.8 NetworkX 2.5

Answer 1

我认为你运行进入这个 issue. The old code contained some weird normalisation (setting to 1 if respective degree is 0). This was changed in 2.6. The latest version, see code here 应该按预期工作。

average_neighbor_degree 方法如何在 networkX 中用于有向图？

How does average_neighbor_degree method works in networkX for directed graphs?

python

networkx