我在研究网络中的检测社区。
我用的是igraph和Python
对于模块化度量中的最佳社区数:
from igraph import *
karate = Nexus.get("karate")
cl = karate.community_fastgreedy()
cl.as_clustering().membership
提供所需数量的社区:
from igraph import *
karate = Nexus.get("karate")
cl = karate.community_fastgreedy()
k=2
cl.as_clustering(k).membership
不过,我喜欢使用networkx来完成这项工作。我知道根据模块化度量得到最佳社区数:
import community # --> http://perso.crans.org/aynaud/communities/
import fastcommunity as fg # --> https://networkx.lanl.gov/trac/ticket/245
import networkx as nx
g = nx.karate_club_graph()
partition = community.best_partition(g)
print "Louvain Modularity: ", community.modularity(partition, g)
print "Louvain Partition: ", partition
cl = fg.communityStructureNewman(g)
print "Fastgreed Modularity: ", cl[0]
print "Fastgreed Partition: ", cl[1]
但我无法得到想要的社区数量。使用Networkx有什么算法吗?
我也是networkx和igraph的新手,我使用了Gephi,一个数据可视化工具/软件。它和你现在使用的networkx中的社区检测算法一样。具体来说,在http://perso.crans.org/aynaud/communities/
你无法获得理想数量的社区,我知道,有两种方法值得尝试:
resolution
的参数可以更改您获得的社区的大小。best_partition(G)
。但是使用partition_at_level(dendrogram, level)
,我想这可能会有帮助。查看这里的source code了解更多信息。
也许我误解了您的意思,但是如果您希望NetworkX实现的best_partition算法输出的社区数,请注意best_partition(G)给出了一个以节点为键、分区数为值的字典。
您可以这样计算字典中唯一值的数量(可能不是最佳值):
有结果的
相关问题 更多 >
编程相关推荐