内容发布更新时间 : 2024/11/6 5:17:00星期一 下面是文章的全部内容请认真阅读。
博主回复：谢谢补充，其实python的软件安装比较乱一些，可能会出现各种情况，我也没办法写得太详细了。总之祝大家好运吧，有的时候摸索还是必要的：）
[10] 标题：
发表评论人：jgshuhaihua [2010-9-25 16:52:57]
老师，你说的―pywin32、matplotlib和numpy是exe文件‖，为什么我按照你贴出的地址下载的文件都是.py文件，点击setup后就是控制台一闪就没有了？是我下载的文件不对吗？
博主回复：可能是，我下载的都是for win版本的，一般他都会提供两三个平台的版本。你再试一下，而且隔这么久了，版本可能会有变化，不过安装方法应该不会差别太大。祝你好运！
[9] 标题：
发表评论人：[游客]chenziheziye [2010-7-21 1:54:59] ip:123.101.231.*
闰老师好，我在研究通信网络，希望能用networkx做一些计算和展示，networkx有直接计算最短路径矩阵，或连接路径权矩阵的函数呀？
博主回复：用shortest_path_length(G, source=None, target=None, weighted=False)方法，返回一个二维数组，如果weighted=True，输出的就是权矩阵。详见：http://networkx.lanl.gov/reference/generated/networkx.shortest_path_length.html
[8] 标题：
发表评论人：[游客]nyjyrff [2010-7-19 10:27:06] ip:125.44.152.*
闫老师您好：我的系统是XP的安装pywin32、matplotlib和numpy时都提示找不到注册表，请问这个该咋办。多谢了
博主回复：这个问题我都没遇到过，估计是系统本身的问题，是不是安装了一写不允许访问注册表的软件，如360等？你自己再排查一下，正常在xp上装是没有问题的。
[7] 标题：
发表评论人：[游客]fjf [2010-7-1 22:28:51] ip:159.226.161.*
谢谢你，我是中科院理论物理研究所的学生，现在我们组里对于复杂网络这一块很感兴趣，导师希望我做一些调研，希望与我们现在的研究项目结合起来，希望能多交流。 博主回复：别客气，我的email：kaiseryxy@163.com
[6] 标题：
发表评论人：[游客]fjf [2010-7-1 18:44:19] ip:159.226.161.*
你好，请问这个工具能不能统计复杂网络中的最大cluster内包含的节点数啊？
博主回复：可以的，详细请看它文档的cluster部分，任何返回一个图G的方法都可以统计节点和边的数量。
[5] 标题：
发表评论人：[游客]蝶梦中 [2010-7-1 9:40:18] ip:219.239.227.*
非常感谢哦，我现在做毕业设计，基本上每次来您这都能找到有用的材料~ 博主回复：)
[4] 标题：
发表评论人：amazon [2010-6-21 19:27:48]
http://pypi.python.org/pypi/setuptools#files 需要单独安装 easy_install 工具
setuptools-0.6c11.win32-py2.6.exe (md5) MS Windows installer 2.6
博主回复：如果是在xp下，pywin是自带easy_install的，但版本可能较旧，win7下安装可能会有问题。
[3] 标题：
发表评论人：amazon [2010-6-21 19:15:28]
我是 windows7 64位。安装 python-2.6.5.amd64 后，安装pywin32、matplotlib和numpy，提示注册表找不到 python.
改安装 pywin32-214.win32-py2.6，安装pywin32、matplotlib和numpy，成功。但是 C:\\Python26\\Lib\\site-packages\\easy_install.py 提示
C:\\Python26\\Lib\\site-packages\\easy_install.py is not recognized as an internal or external command,
operable program or batch file.
博主回复：不好意思，我还没用过win7，所以不好回答您的问题。抱歉
[2] 标题：
发表评论人：[游客]kxx167 [2010-6-21 18:02:13] ip:219.218.100.*
阎老师的共享精神真值得好好学习
博主回复：不敢当，科学网博客是个很好的交流平台，希望大家都能把自己的宝贝拿出来：）
复杂网络分析库NetworkX学习笔记（2）：统计指标计算
无论是实际网络还是对模型网络进行分析，都离不开对网络拓扑统计指
标的计算。反映网络结构与动力学特性的统计指标有很多，Costa等的Characterization of Complex Networks: A Survey of measurements一文对此有全面的综述，本文仅介绍一些常用的统计指标在NetworkX中如何计算。
一、度、度分布
NetworkX可以用来统计图中每个节点的度，并生成度分布序列。下边是一段示例代码（这段代码可以在Shell里一行一行的输入，也可以将其保存为一个以py结尾的纯文本文件后直接运行），注意看注释部分：
import networkx as nx
G = nx.random_graphs.barabasi_albert_graph(1000,3) #生成一个n=1000，m=3的BA无标度网络
print G.degree(0) #返回某个节点的度 print G.degree() #返回所有节点的度
print nx.degree_histogram(G) #返回图中所有节点的度分布序列（从1至最大度的出现频次）
对上述结果稍作处理，就可以在Origin等软件里绘制度分布曲线了，当然也可以用matplotlib直接作图，在上述代码后接着输入：
import matplotlib.pyplot as plt #导入科学绘图的matplotlib包 degree = nx.degree_histogram(G) #返回图中所有节点的度分布序列 x = range(len(degree)) #生成x轴序列，从1到最大度 y = [z / float(sum(degree)) for z in degree]
#将频次转换为频率，这用到Python的一个小技巧：列表内涵，Python的确很方便：） plt.loglog(x,y,color=\#在双对数坐标轴上绘制度分布曲线 plt.show() #显示图表
二、群聚系数
这个在NetworkX里实现起来很简单，只需要调用方法nx.average_clustering(G) 就可以完成平均群聚系数的计算，而调用
nx.clustering(G) 则可以计算各个节点的群聚系数。
三、直径和平均距离
nx.diameter(G)返回图G的直径（最长最短路径的长度），而nx.average_shortest_path_length(G)则返回图G所有节点间平均最短路径长度。
四、匹配性
这个也比较简单，调用 nx.degree_assortativity(G) 方法可以计算一个图的度匹配性。
五、中心性
这个我大部分不知道怎么翻译，直接上NX的帮助文档吧，需要计算哪方面的centrality自己从里边找：）
Degree centrality measures.（点度中心性？）
degree_centrality(G) Compute the degree centrality for nodes. in_degree_centrality(G) Compute the in-degree centrality for nodes.
out_degree_centrality(G) Compute the out-degree centrality for nodes.
Closeness centrality measures.（紧密中心性？）
closeness_centrality(G[, v, weighted_edges]) Compute closeness centrality for nodes.
Betweenness centrality measures.（介数中心性？）
betweenness_centrality(G[, normalized, ...]) Compute betweenness centrality for nodes.
edge_betweenness_centrality(G[, normalized, ...]) Compute betweenness centrality for edges.
Current-flow closeness centrality measures.（流紧密中心性？） current_flow_closeness_centrality(G[, ...]) Compute current-flow closeness centrality for nodes. Current-Flow Betweenness
Current-flow betweenness centrality measures.（流介数中心性？） current_flow_betweenness_centrality(G[, ...]) current-flow betweenness centrality for nodes. edge_current_flow_betweenness_centrality(G) current-flow betweenness centrality for edges.
Eigenvector centrality.（特征向量中心性？）
eigenvector_centrality(G[, max_iter, tol, ...]) Compute the eigenvector centrality for the graph G.
eigenvector_centrality_numpy(G) Compute the eigenvector centrality for the graph G.
Load centrality.（彻底晕菜~~~）
load_centrality(G[, v, cutoff, normalized, ...]) Compute load centrality for nodes.
edge_load(G[, nodes, cutoff]) Compute edge load. 六、小结
上边介绍的统计指标只是NetworkX能计算的指标中的一小部分内容，除此之外NetworkX还提供了很多（我还没有用到过的）统计指标计算方法，感兴趣的朋友可以去查NetworkX的在线帮助文档：http://networkx.lanl.gov/reference/index.html。对于加权图的统计指标计算，NetworkX似乎没有直接提供方法（也可能是我没找到），估计需
Compute Compute