Kayıtlı ağ için ağ dağılımı dağılımları

Question

Sıklıkla, aşağıdaki şekiller gibi karmaşık ağlardan uzun kuyruk dereceli dağılım/histogramlarla karşılaştım ve yaptım. Pek çok gözlemlerinden çok ağır ve kalabalık, bu kuyruklarının ağır son vermek iyi:

Ancak

, okuduğum birçok yayın sonunda bu clumpiness yok daha temiz derecesi dağılımları var dağılım ve gözlemler daha eşit aralıklıdır.

!

NetworkX ve matplotlib ile nasıl bir tablo hazırlıyorsunuz?

Answer 1

log binning (see also) kullanın. Dereceli bir histogramı temsil eden Counter nesnesinin kodu ve dağıtımı daha seyrek ve daha pürüzsüz bir dağılım sağlamak için dağıtımı kayıt altına alın.

import numpy as np 
def drop_zeros(a_list): 
    return [i for i in a_list if i>0] 

def log_binning(counter_dict,bin_count=35): 

    max_x = log10(max(counter_dict.keys())) 
    max_y = log10(max(counter_dict.values())) 
    max_base = max([max_x,max_y]) 

    min_x = log10(min(drop_zeros(counter_dict.keys()))) 

    bins = np.logspace(min_x,max_base,num=bin_count) 

    # Based off of: http://stackoverflow.com/questions/6163334/binning-data-in-python-with-scipy-numpy 
    bin_means_y = (np.histogram(counter_dict.keys(),bins,weights=counter_dict.values())[0]/np.histogram(counter_dict.keys(),bins)[0]) 
    bin_means_x = (np.histogram(counter_dict.keys(),bins,weights=counter_dict.keys())[0]/np.histogram(counter_dict.keys(),bins)[0]) 

    return bin_means_x,bin_means_y 

NetworkX klasik bir ölçek içermeyen ağı oluşturuluyor ve sonra bu komplo:

import networkx as nx 
ba_g = nx.barabasi_albert_graph(10000,2) 
ba_c = nx.degree_centrality(ba_g) 
# To convert normalized degrees to raw degrees 
#ba_c = {k:int(v*(len(ba_g)-1)) for k,v in ba_c.iteritems()} 
ba_c2 = dict(Counter(ba_c.values())) 

ba_x,ba_y = log_binning(ba_c2,50) 

plt.xscale('log') 
plt.yscale('log') 
plt.scatter(ba_x,ba_y,c='r',marker='s',s=50) 
plt.scatter(ba_c2.keys(),ba_c2.values(),c='b',marker='x') 
plt.xlim((1e-4,1e-1)) 
plt.ylim((.9,1e4)) 
plt.xlabel('Connections (normalized)') 
plt.ylabel('Frequency') 
plt.show() 

mavi "ham" dağıtım ve "Gruplu" dağılımında arasındaki çakışmayı gösteren aşağıdaki grafik üretir kırmızı. Ben belirgin bir şey kaçırmıştım, bu yaklaşımı veya geri bildirimde nasıl geliştirilebileceğine ilişkin

Düşünceler açıktır.