为什么聚类系数不同于我的程序和igraph R'；谁的图书馆？ 我只是在C++中编写一个程序，计算 dot>格式中的无向图的聚类系数[ cc>]（局部和全局）。我的问题是，我的程序的结果与R（使用igraph库）的输出不匹配：

我的节目：

The cluster coefficient of "0"  is: 0.257 (88/342)
The cluster coefficient of "1"  is: 0.444 (40/90)
The cluster coefficient of "10" is: 1.000 (2/2)
The cluster coefficient of "2"  is: 0.418 (46/110)
The cluster coefficient of "11" is: 1.000 (2/2)
The cluster coefficient of "12" is: 0.667 (8/12)
The cluster coefficient of "3"  is: 0.346 (54/156)
The cluster coefficient of "5"  is: 0.571 (24/42)
The cluster coefficient of "13" is: 1.000 (12/12)
The cluster coefficient of "4"  is: 0.607 (34/56)
The cluster coefficient of "7"  is: 0.679 (38/56)
The cluster coefficient of "14" is: 1.000 (6/6)
The cluster coefficient of "15" is: 0.833 (10/12)
The cluster coefficient of "16" is: 1.000 (6/6)
The cluster coefficient of "17" is: 0.733 (22/30)
The cluster coefficient of "9"  is: 0.833 (10/12)
The cluster coefficient of "18" is: 0.714 (30/42)
The cluster coefficient of "19" is: 1.000 (6/6)
The cluster coefficient of "6"  is: 1.000 (2/2)
The cluster coefficient of "8"  is: 0.733 (22/30)

其中，“”是图的节点，（n/m）分别是“其邻域内顶点之间的链接”（n）和“它们之间可能存在的链接数”（m）（） 和R的输出：

0  0.2631579        x (+2 links)
1  0.4666667        x (+2 links)
2  0.4181818
3  0.3461538
4  0.6071429
5  0.6190476        x (+2 links)
6  1.0000000
7  0.6785714
8  0.6666667        x (-2 links)
9  0.8000000
10 1.0000000
11 1.0000000
12 0.6666667
13 1.0000000
14 1.0000000
15 0.8333333
16 1.0000000
17 0.7333333
18 0.7142857
19 1.0000000

其中每行中的第一个数字是节点，第二个是本地的CC，第三个是与我的输出不匹配时的注释（指定需要添加/删除以匹配R的输出的链接数（n））

我的第二个问题是来自R的全局CC与我的定义或维基百科的不匹配（除非我误解了公式）。该图的R输出为0.458891，我的输出为0.742

---

所以我手工做了：我计算了8的CC，并匹配了我程序的输出。所以我的问题是“igraph库是否可能有bug？”如果答案是“否”：“我缺少了什么？”

图形文件如下所示：

graph {
  1 -- 0;
  10 -- 0;
  10 -- 2;
  11 -- 0;
  11 -- 2;
  12 -- 0;
  12 -- 1;
  12 -- 3;
  12 -- 5;
  13 -- 0;
  13 -- 3;
  13 -- 4;
  13 -- 7;
  14 -- 0;
  14 -- 1;
  14 -- 4;
  15 -- 0;
  15 -- 2;
  15 -- 3;
  16 -- 0;
  16 -- 15;
  16 -- 3;
  17 -- 0;
  17 -- 1;
  17 -- 2;
  17 -- 5;
  17 -- 7;
  17 -- 9;
  18 -- 0;
  18 -- 1;
  18 -- 2;
  18 -- 3;
  18 -- 4;
  18 -- 7;
  19 -- 0;
  19 -- 18;
  19 -- 3;
  2 -- 0;
  2 -- 1;
  3 -- 0;
  3 -- 2;
  4 -- 0;
  4 -- 1;
  4 -- 3;
  5 -- 0;
  5 -- 2;
  5 -- 3;
  6 -- 0;
  6 -- 3;
  7 -- 0;
  7 -- 1;
  7 -- 2;
  7 -- 3;
  7 -- 4;
  8 -- 0;
  8 -- 1;
  8 -- 2;
  8 -- 3;
  8 -- 4;
  8 -- 5;
  9 -- 0;
  9 -- 1;
  9 -- 5;
}

例如，我使用R计算CC的方法是将图形加载（或生成一个新图形，因为它无法读取点文件）到变量“f”中，并对全局CC执行传递性（f），对局部执行传递性（f，“local”）

---

非常感谢您的阅读，并为我糟糕的英语感到抱歉。

这里是igraph的作者之一

我刚刚将您的图形加载到igraph（Python接口）中，其结果与您的结果匹配到最后一位。您使用的是哪个版本的igraph

至于“全局”聚类系数，请注意至少有两个相互冲突的定义：

计算整个网络中的三角形数，并将其除以可能的三角形数。这是“真实”全局聚类系数，默认情况下igraph会计算该系数

计算每个节点的局部聚类系数并取平均值。这是“平均局部”聚类系数，您正在计算它

非常感谢你的回答（以及速度）。如果你得到同样的结果，可能我使用的是旧版本，所以我会尽快检查。对于全球CC，我误解了这两种类型，因此感谢您澄清：）