一种通过numpy生成矩阵计算度中心性的方法

通过生成矩阵实现度的计算度中心性计算，注意：有向图的度中心性合并计算（入度+入度）/（节点总数-1）

关键是找好节点与位置的对应关系！同时考虑好矩阵一行的计算M[1]与一列M[:,1]的写法

import networkx as nx import numpy as np from matplotlib import pyplot as plt def nodedegree(G): #计算有向图出度中心性及无向图的度中心性 N = list(G.nodes()) M = nx.to_numpy_matrix(G, nodelist=N) #计算矩阵行：np.sum(M[1]）与列：np.sum(M[:,1]） d={} for i in N: t=N.index(i) #返回节点i在列表中的位置，对应矩阵中元素 d[i]=(np.sum(M[t]))/(len(N)-1) #度中心性计算方法是度除节点数-1 return d if __name__ == "__main__": G=nx.DiGraph() with open('E:\\kt\\kkkk.txt') as f: #数据集根据位置取 # n, m = f.readline().split() for line in f: u, v = map(int, line.split()) try: G[u][v]['weight'] += 1 except: G.add_edge(u,v, weight=1) print(nodedegree(G)) # pos = nx.spring_layout(G) # 此语句可以不要，图形固定，否则会变化 # nx.draw(G, pos, node_color='r', node_size=400, with_labels=True, alpha=0.9) # plt.show(G)

数据集样式 1 2 1 3 1 4 2 4 3 9 4 9 2 9 9 1