Networkx入门指南——图分析之中心度

  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

你可能感兴趣的:(Networkx入门指南——图分析之中心度)