Python Networkx'；s"；广义拉普拉斯函数；不再工作了？

此示例（摘自Networkx手册）：

#/usr/bin/env python
"""
创建一个G{n，m}随机图并计算特征值。
需要Numeric Python中的numpy或LinearAlgebra包。
使用可选的pylab绘图生成特征值的直方图。
"""
__作者：Aric Hagberg(hagberg@lanl.gov)"""
__学分=“”
#版权所有（C）2004-2006 by
#阿里克·哈伯格
#丹·舒尔特
#皮特斯瓦特
#版权所有。
#BSD许可证。
从networkx导入*
尝试：
进口numpy.linalg
特征值=numpy.linalg.eigvals
除恐怖外：
raise IMPORTROR（“无法导入numpy”）
尝试：
从派拉布进口*
除：
通过
n=1000#1000个节点
m=5000#5000边
G=gnm_随机图（n，m）
L=广义拉普拉斯（G）
e=特征值（L）
打印（“最大特征值：，最大（e））
打印（“最小特征值：，最小（e））
#如果我们有matplotlib，就用它绘图
#显示特征值的“半圆”分布
尝试：
历史（e，箱子=100）#带有100个箱子的柱状图
xlim（0,2）#特征值介于0和2之间
show（）
除：
通过

使用networkx的最新版本引发以下错误：

Traceback (most recent call last):
  File "Untitled 2.py", line 36, in <module>
    L=generalized_laplacian(G)
NameError: name 'generalized_laplacian' is not defined

回溯（最近一次呼叫最后一次）：
文件“Untitled 2.py”，第36行，在
L=广义拉普拉斯（G）
NameError:未定义名称“广义拉普拉斯”

---

我该怎么做才能让它工作？

我想这个名字在：

它从

networkx/linalg/laplacianmatrix.py

更改的行包括

-combinatorial_laplacian=laplacian_matrix
-generalized_laplacian=normalized_laplacian_matrix
-normalized_laplacian=normalized_laplacian_matrix
-laplacian=laplacian_matrix

因此，我认为您可以使用

标准化的拉普拉斯矩阵
：

>>> normalized_laplacian_matrix(G)
<1000x1000 sparse matrix of type '<type 'numpy.float64'>'
    with 11000 stored elements in Compressed Sparse Row format>

标准化拉普拉斯矩阵（G）
新版本的NetworkX肯定打破了这个例子。
以下是一个有效的方法：

import networkx as nx
import numpy.linalg
import matplotlib.pyplot as plt

n = 1000 # 1000 nodes
m = 5000 # 5000 edges
G = nx.gnm_random_graph(n,m)

L = nx.normalized_laplacian_matrix(G)
e = numpy.linalg.eigvals(L.A)
print("Largest eigenvalue:", max(e))
print("Smallest eigenvalue:", min(e))
plt.hist(e,bins=100) # histogram with 100 bins
plt.xlim(0,2)  # eigenvalues between 0 and 2
plt.show()

谢谢现在，我在eigvals（U assertRankAtLeast2（a）文件“/Library/Python/2.7/site-packages/numpy/linalg/linalg.py”第886行的e=exharacteristals（L）文件“/Library/Python/2.7/site-packages/numpy/linalg/linalg.py”第40行通过“回溯（最近一次调用）：文件“Untitled 2.py”得到了这个错误“，第202行，在_assertRankAtLeast2'中至少包含二维“%len（a.shape））numpy.linalg.linalg.linalg错误：给定了0维数组。数组必须至少是二维的“我猜L的格式不对？
>>> normalized_laplacian_matrix(G)
<1000x1000 sparse matrix of type '<type 'numpy.float64'>'
    with 11000 stored elements in Compressed Sparse Row format>

import networkx as nx
import numpy.linalg
import matplotlib.pyplot as plt

n = 1000 # 1000 nodes
m = 5000 # 5000 edges
G = nx.gnm_random_graph(n,m)

L = nx.normalized_laplacian_matrix(G)
e = numpy.linalg.eigvals(L.A)
print("Largest eigenvalue:", max(e))
print("Smallest eigenvalue:", min(e))
plt.hist(e,bins=100) # histogram with 100 bins
plt.xlim(0,2)  # eigenvalues between 0 and 2
plt.show()