鄂尔多斯-仁义模型在社交网络上的实现
原文:https://www . geesforgeks . org/implementation-of-Erdos-Renyi-model-on-social-networks/
鄂尔多斯仁义模型用于在社交网络上创建随机网络或图形。在鄂尔多斯雷尼模型中，每个边独立于网络中的边存在和不存在的概率是固定的。
使用鄂尔多斯-仁义模型实现社交网络:
步骤 1) 导入必要的模块，如matplotlib . pyplot，以及 随机 模块。
Python 3
*# Import Required modules
import networkx as nx
import matplotlib.pyplot as plt
import random*
步骤 2) 为模型创建分布图。
Python 3
*# Distribution graph for Erdos_Renyi model
def distribution_graph(g):
print(nx.degree(g))
all_node_degree = list(dict((nx.degree(g))).values())
unique_degree = list(set(all_node_degree))
unique_degree.sort()
nodes_with_degree = []
for i in unique_degree:
nodes_with_degree.append(all_node_degree.count(i))
plt.plot(unique_degree, nodes_with_degree)
plt.xlabel("Degrees")
plt.ylabel("No. of nodes")
plt.title("Degree distribution")
plt.show()*
步骤 3) 取 N 即用户的节点数。
Python 3
*# Take N number of nodes as input
print("Enter number of nodes")
N = int(input())*
第 4 步)现在取 P 即用户给出的边缘概率。
Python 3
*# Take P probability value for edges
print("Enter value of probability of every node")
P = float(input())*
步骤 5) 创建一个有 N 个没有任何边的节点的图。
Python 3
*# Create an empty graph object
g = nx.Graph()
# Adding nodes
g.add_nodes_from(range(1, N + 1))*
步骤 6) 随机给图加边，取一对节点，得到一个随机数 R 。如果 R < P (概率)，加边。对所有可能的节点对重复步骤 5 和 6，然后显示形成的整个社交网络(图)。
Python 3
*# Add edges to the graph randomly.
for i in g.nodes():
for j in g.nodes():
if (i < j):
# Take random number R.
R = random.random()
# Check if R<P add the edge
# to the graph else ignore.
if (R < P):
g.add_edge(i, j)
pos = nx.circular_layout(g)
# Display the social network
nx.draw(g, pos, with_labels=1)
plt.show()*
步骤 7) 显示连接节点。
Python 3
*# Display connection between nodes
distribution_graph(g)*
以下是上述分步方法的完整程序:
Python 3
*# Implementation of Erdos-Renyi Model on a Social Network
# Import Required modules
import networkx as nx
import matplotlib.pyplot as plt
import random
# Distribution graph for Erdos_Renyi model
def distribution_graph(g):
print(nx.degree(g))
all_node_degree = list(dict((nx.degree(g))).values())
unique_degree = list(set(all_node_degree))
unique_degree.sort()
nodes_with_degree = []
for i in unique_degree:
nodes_with_degree.append(all_node_degree.count(i))
plt.plot(unique_degree, nodes_with_degree)
plt.xlabel("Degrees")
plt.ylabel("No. of nodes")
plt.title("Degree distribution")
plt.show()
# Take N number of nodes from user
print("Enter number of nodes")
N = int(input())
# Take P probability value for edges
print("Enter value of probability of every node")
P = float(input())
# Create an empty graph object
g = nx.Graph()
# Adding nodes
g.add_nodes_from(range(1, N + 1))
# Add edges to the graph randomly.
for i in g.nodes():
for j in g.nodes():
if (i < j):
# Take random number R.
R = random.random()
# Check if R<P add the edge to the graph else ignore.
if (R < P):
g.add_edge(i, j)
pos = nx.circular_layout(g)
# Display the social network
nx.draw(g, pos, with_labels=1)
plt.show()
# Display connection between nodes
distribution_graph(g)*
输出:
输入节点数 10 输入每个节点的概率值 0.4 [(1，5)，(2，3)，(3，4)，(4，2)，(5，3)，(6，5)，(7，4)，(8，2)，(9，2)，(10，2)]
*
在图中随机添加边*
度*鄂尔多斯-仁义模型在上述方案上实施分布图 :***
版权属于：月萌API www.moonapi.com，转载请注明出处
