我在计算
triad census
以下是我的
undirected network
是的。
import networkx as nx
G = nx.Graph()
G.add_edges_from(
[('A', 'B'), ('A', 'C'), ('D', 'B'), ('E', 'C'), ('E', 'F'),
('B', 'H'), ('B', 'G'), ('B', 'F'), ('C', 'G')])
from itertools import combinations
#print(len(list(combinations(G.nodes, 3))))
triad_class = {}
for nodes in combinations(G.nodes, 3):
n_edges = G.subgraph(nodes).number_of_edges()
triad_class.setdefault(n_edges, []).append(nodes)
print(triad_class)
它在小型网络中运行良好。但是,现在我有一个更大的网络,大约有4个节点。当我尝试用1000个节点的网络运行我现有的代码时,运行需要几天时间。有没有更有效的方法?
我现在的网络基本上是稀疏的。也就是说,节点之间的连接很少。在这种情况下,我可以离开未连接的节点,先进行计算,然后再将未连接的节点添加到输出中吗?
我也很高兴得到近似答案而不计算每一个组合。
三合会普查实例:
Triad Census正在将Triad(3个节点)划分为下图所示的四个类别。
例如,考虑下面的网络。
四个阶级的三合会人口普查是;
{3: [('A', 'B', 'C')],
2: [('A', 'B', 'D'), ('B', 'C', 'D'), ('B', 'D', 'E')],
1: [('A', 'B', 'E'), ('A', 'B', 'F'), ('A', 'B', 'G'), ('A', 'C', 'D'), ('A', 'C', 'E'), ('A', 'C', 'F'), ('A', 'C', 'G'), ('A', 'D', 'E'), ('A', 'F', 'G'), ('B', 'C', 'E'), ('B', 'C', 'F'), ('B', 'C', 'G'), ('B', 'D', 'F'), ('B', 'D', 'G'), ('B', 'F', 'G'), ('C', 'D', 'E'), ('C', 'F', 'G'), ('D', 'E', 'F'), ('D', 'E', 'G'), ('D', 'F', 'G'), ('E', 'F', 'G')],
0: [('A', 'D', 'F'), ('A', 'D', 'G'), ('A', 'E', 'F'), ('A', 'E', 'G'), ('B', 'E', 'F'), ('B', 'E', 'G'), ('C', 'D', 'F'), ('C', 'D', 'G'), ('C', 'E', 'F'), ('C', 'E', 'G')]}
如果需要的话,我很乐意提供更多的细节。
编辑:
我能解决
memory error
通过注释行
#print(len(list(combinations(G.nodes, 3))))
如答案所示。但是,我的程序仍然很慢,即使有1000个节点的网络也需要几天才能运行。我正在寻找一种更有效的方法在python中实现这一点。
我不限于
networkx
也乐于接受使用其他库和语言的答案。
一如既往,我很乐意提供更多的细节需要。