Python 小世界聚类系数与特征路径长度
我想计算和比较50个WS图的聚类系数和特征路径长度,不同的值是这样的?如果希望使用范围(0,1,50)或np.linspace(0,1,50),请将while循环更改为for循环Python 小世界聚类系数与特征路径长度,python,networkx,graph-theory,Python,Networkx,Graph Theory,我想计算和比较50个WS图的聚类系数和特征路径长度,不同的值是这样的?如果希望使用范围(0,1,50)或np.linspace(0,1,50),请将while循环更改为for循环 i=0 结果={} 而i
i=0
结果={}
而i<1:
当前_I=[]
当前_C=[]
对于范围内的(20):
G=nx.瓦茨-斯特罗加茨图(n=1000,k=4,p=i)
当前路径追加(nx.平均路径最短路径长度(G))
当前_C.追加(nx.平均_聚类(G))
结果[i]=(np.平均值(当前_i),np.平均值(当前_C))
i+=.052631
我希望它返回所有50个p值的聚类系数和特征路径长度值作为输出,而不是mean@Keralf2020这是对每个p迭代20次,并返回其平均值,而不是p的所有值的平均值。如果希望每个值p的样本大小为1,只需删除嵌套的for循环即可。在这两种情况下,结果dict都有20个键。
i = 0
results={}
while i < 1:
current_I = []
current_C = []
for _ in range(20):
G = nx.watts_strogatz_graph(n = 1000,k = 4,p = i)
current_I.append(nx.average_shortest_path_length(G))
current_C.append(nx.average_clustering(G))
results[i] = (np.mean(current_I), np.mean(current_C))
i += .052631