Networkx入门指南——图分析之中心度
2022-12-25 本文已影响0人
老羊_肖恩
中心度主要用来度量途中每个顶点或者边的重要程度，中心度一般取决于顶点的出度、入度以及在图中的位置等。关于中心度可以参考我的另外一篇很久之前的文章图算法之Centrality。
| 方法名称 | 用途描述 |
|---|---|
degree_centrality(G) |
计算图中顶点的度中心度 |
in_degree_centrality(G) |
计算图中顶点的入度中心度 |
out_degree_centrality(G) |
计算图中顶点的出度中心度 |
eigenvector_centrality(G[, max_iter, tol, ...]) |
计算图的eigenvector中心度 |
katz_centrality(G[, alpha, beta, max_iter, ...]) |
计算图中顶点的Katz中心度 |
closeness_centrality(G[, u, distance, ...]) |
计算图中顶点的接近中心度 |
information_centrality(G[, weight, dtype, ...]) |
计算图中顶点的信息中心度 |
betweenness_centrality(G[, k, normalized, ...]) |
计算图中顶点的中介中心度 |
load_centrality(G[, v, cutoff, normalized, ...]) |
计算图中顶点的加载中心度 |
subgraph_centrality(G) |
计算图中顶点的子图中心度 |
harmonic_centrality(G[, nbunch, distance, ...]) |
计算图中顶点的和谐中心度 |
local_reaching_centrality(G, v[, paths, ...]) |
计算图中顶点的局部可达中心度 |
global_reaching_centrality(G[, weight, ...]) |
算图中顶点的全局可达中心度 |
percolation_centrality(G[, attribute, ...]) |
计算图中顶点的渗透中心度 |
