directed_configuration_model

directed_configuration_model(in_degree_sequence, out_degree_sequence, create_using=None, seed=None)

返回具有给定度序列的有向随机图。

配置模型通过随机分配边来匹配给定的度序列，从而生成一个随机有向伪图（具有平行边和自环的图）。

参数:

in_degree_sequence非负整数列表

列表中的每个条目对应于一个节点的入度。

out_degree_sequence非负整数列表

列表中的每个条目对应于一个节点的出度。

create_usingNetworkX 图构造器，可选 (默认 MultiDiGraph)

要创建的图类型。如果给定的是图实例，则在填充前会清空该图。

seed整数、random_state 或 None (默认)

随机数生成状态的指示器。参见 随机性。

返回:

GMultiDiGraph

具有指定度序列的图。节点的标签从 0 开始，索引对应于 deg_sequence 中的位置。

抛出:

NetworkXError

如果度序列的总和不同。

另请参见

configuration_model

说明

算法如 Newman 所述 [1]。

允许非图示性度序列（无法由某些简单图实现），因为此函数返回带有自环和平行边的图。如果度序列的总和不同，则会抛出异常。

这种配置模型构建过程可能导致重复的边和自环。您可以删除自环和平行边（参见下文），但这可能会导致所得图不具有精确指定的度序列。这种“有限尺寸效应”会随着图大小的增加而减小。

参考文献

[1]

Newman, M. E. J. and Strogatz, S. H. and Watts, D. J. Random graphs with arbitrary degree distributions and their applications Phys. Rev. E, 64, 026118 (2001)

示例

可以修改现有有向图的入度和出度序列，以创建新的有向图。例如，此处我们修改有向路径图

>>> D = nx.DiGraph([(0, 1), (1, 2), (2, 3)])
>>> din = list(d for n, d in D.in_degree())
>>> dout = list(d for n, d in D.out_degree())
>>> din.append(1)
>>> dout[0] = 2
>>> # We now expect an edge from node 0 to a new node, node 3.
... D = nx.directed_configuration_model(din, dout)

返回的图是一个有向多重图，可能包含平行边。要移除返回图中的所有平行边

>>> D = nx.DiGraph(D)

类似地，要移除自环

>>> D.remove_edges_from(nx.selfloop_edges(D))