基于python3的社区发现模块度计算

这是我第一次写博客！很开心和大家分享东西！最近在学习社区发现，其中模块度是衡量社区发现的一个重要指标，而且基于模块度进行社团挖掘的论文也很多，以前看了博客中的一位博主介绍的模块度，感觉非常好，不过这个博主采用的是matlab进行实现的，最近疫情严重，在家无聊，写了一个基于python3版本实现原理。在这里分享一下源码，供大家使用！其中模块度原理参考模块度原理

import numpy as np

def node_degree(node,array):
    #计算节点的度数
    degree =sum(array[node])
    return degree

def A(i,j,array):
    #判断两个节点是否存在边
    if array[i,j]==0:
        return 0
    else:
        return 1

def k(i,j,array):
    #计算两个节点的度数积
    kij = node_degree(i,array) *node_degree(j,array)
    return kij

def judge_cluster(i,j,l):
    #判断两个节点是否在一个社区
    if l[i] == l[j]:
        return 1
    else:
        return 0

def Q(array,cluster):
    q =0
    m =sum(sum(array))/2#总边数
    for i in range(array.shape[0]):
        for j in range(array.shape[0]):
            if judge_cluster(i,j,cluster) != 0:
                q +=(A(i,j,array) - (k(i,j,array)/(2*m))) *judge_cluster(i,j,cluster)
    q = q/(2*m)
    return q
if __name__ == '__main__':

    array = np.array([[0, 1, 1],
                      [1, 0, 0],
                      [1, 0, 0]])
    cluster = [2, 1, 2]
    print(Q(array, cluster))