generic_weighted_projected_graph

generic_weighted_projected_graph(B, nodes, weight_function=None)

使用用户指定的权重函数对 B 进行加权投影。

二分网络 B 根据用户指定的函数计算出的权重投影到指定的节点上。此函数必须接受输入图和两个节点作为参数，并返回一个整数或浮点数。

节点保留其属性，并且如果在原始图中与某个公共节点存在边，则在结果图中连接。

参数：

BNetworkX 图

输入图应为二分图。

nodes列表或可迭代对象

要投影到的节点（“底部”节点）。

weight_function函数

此函数必须接受与本函数相同的输入图和两个节点作为参数；并返回一个整数或浮点数。默认函数计算共享邻居的数量。

返回：

GraphNetworkX 图

投影到给定节点上的图。

另请参阅

is_bipartite

is_bipartite_node_set

sets

weighted_projected_graph

collaboration_weighted_projected_graph

overlap_weighted_projected_graph

projected_graph

注意

未尝试验证输入图 B 是否为二分图。图和节点属性（浅层）复制到投影图。

有关 NetworkX 中如何处理二分图的更多详细信息，请参阅二分图 文档。

示例

>>> from networkx.algorithms import bipartite
>>> # Define some custom weight functions
>>> def jaccard(G, u, v):
...     unbrs = set(G[u])
...     vnbrs = set(G[v])
...     return float(len(unbrs & vnbrs)) / len(unbrs | vnbrs)
>>> def my_weight(G, u, v, weight="weight"):
...     w = 0
...     for nbr in set(G[u]) & set(G[v]):
...         w += G[u][nbr].get(weight, 1) + G[v][nbr].get(weight, 1)
...     return w
>>> # A complete bipartite graph with 4 nodes and 4 edges
>>> B = nx.complete_bipartite_graph(2, 2)
>>> # Add some arbitrary weight to the edges
>>> for i, (u, v) in enumerate(B.edges()):
...     B.edges[u, v]["weight"] = i + 1
>>> for edge in B.edges(data=True):
...     print(edge)
(0, 2, {'weight': 1})
(0, 3, {'weight': 2})
(1, 2, {'weight': 3})
(1, 3, {'weight': 4})
>>> # By default, the weight is the number of shared neighbors
>>> G = bipartite.generic_weighted_projected_graph(B, [0, 1])
>>> print(list(G.edges(data=True)))
[(0, 1, {'weight': 2})]
>>> # To specify a custom weight function use the weight_function parameter
>>> G = bipartite.generic_weighted_projected_graph(
...     B, [0, 1], weight_function=jaccard
... )
>>> print(list(G.edges(data=True)))
[(0, 1, {'weight': 1.0})]
>>> G = bipartite.generic_weighted_projected_graph(
...     B, [0, 1], weight_function=my_weight
... )
>>> print(list(G.edges(data=True)))
[(0, 1, {'weight': 10})]