在Python中创建网络

Question

我想建立一个部分复制模型，这样我就可以从图G中的s>；=1个顶点开始，然后引入一个新的顶点“v”，并随机选择图G中的一个顶点“u”。用概率q，连接v和u。相互独立地，以概率p连接u到v的每个邻居。我想根据我的s来重复这一点。你知道吗

我有一个文本文件，它有三列：Protein1，Protein2和Combined score。这个文件有1000多个这样的条目。因此，每一行代表了图中从“protein1”到“protein2”的一条边，其权重为“综合评分”。我使用这个文件来实现上述算法。我只过滤掉那些我的综合分数大于990的行。你知道吗

4932.Q0010  4932.Q0017  951
4932.Q0010  4932.Q0032  951
4932.Q0010  4932.Q0045  313
4932.Q0010  4932.Q0085  263
4932.Q0010  4932.Q0105  410
4932.Q0010  4932.Q0143  930

代码：

import networkx as nx 
import matplotlib.pyplot as plt
import random

def partial_duplication_model(G,p,q,s,max_score):

    k=G.number_of_nodes()
    list=[]

    for i in range(s):
        #random.randint(1,k)
        node = random.choice(G.nodes())
        if node not in list:
            v = max_score + i
            G.add_node(v)
            list.append(node)

            G.add_edge(v,node,weight = q)

        #for j in range(k):
            for j in G.neighbors(node):
                if not j==v:
                    G.add_edge(j,node,weight = p)


    print(G.number_of_nodes())

    return(G)


if __name__ == '__main__':
        f=open("4932.protein.links.v10.txt","r").readlines()
        G=nx.Graph()
        max_score=0

        for x in f[1:]:
                y=x.split(" ")
                for node in y[:1]:
                        if int(y[2])>=990:
                                G.add_node(node)
                if int(y[2])>=990:
                        G.add_edge(y[0], y[1], weight=int(y[2]))
                temp=int(y[2])
        #print(type(temp))
                max_score=max(max_score,temp)

        p = 0.3
        q = 0.7
        s = 2
        res = partial_duplication_model(G,p,q,s,max_score)
        print("making a plot")
        stuff = nx.degree_histogram(res)
        plt.loglog(stuff)
        plt.show()
        #print("Average shortest path length : " , nx.average_shortest_path_length(res))`

这段代码不起作用，因为当我试图计算平均最短路径长度时，它表示图形没有连接。你知道吗

Answer 1

• 我要做的第一件事就是去掉单字母变量名。你知道吗
• 快捷方式：如果在不存在节点的位置添加边，它将添加该节点。你知道吗

• 不能将list用作变量。（好的，你可以，但不要期望好的结果）

  import networkx as nx
  import matplotlib.pyplot as plt
  import random
  
  def partial_duplication_model(G,p,q,s,max_score):
      k=G.number_of_nodes()
      my_list=[]
  
      for i in range(s):
          #random.randint(1,k)
          node = random.choice(G.nodes())
          if node not in my_list:
              v = max_score + i
              G.add_edge(v,node,weight = q)   # I don't understand what you are doing here.
              list.append(node)
  
          #are you sure your spacing is correct in the next 5 lines?    
          #for j in range(k):
              for j in G.neighbors(node):
                  if not j==v:
                      G.add_edge(j,node,weight = p)
  
  
      print(G.number_of_nodes())
      return(G)
  
  if __name__ == '__main__':
      G= nx.Graph()
      max_score = 0
      with open('4932.protein.links.v10.txt','r') as f:
          for x in f.readlines()[1:]:
              node1, node2, val=x.split(" ")
              val = int(val)
              if val>=990:
                  G.add_edge(node1, node2, weight=val)
              max_score=max(max_score,val)
              p = 0.3
              q = 0.7
              s = 2
              res = partial_duplication_model(G,p,q,s,max_score)
              print("making a plot")
              stuff = nx.degree_histogram(res)
              plt.loglog(stuff)
              plt.show()
              #print("Average shortest path length : " , nx.average_shortest_path_length(res))