random_clustered_graph

random_clustered_graph(joint_degree_sequence, create_using=None, seed=None)

生成一个具有给定联合独立边度和三角形度序列的随机图。

该方法采用类似于配置模型的方法生成随机图（包含平行边和自环），通过随机分配边来匹配给定的联合度序列。

联合度序列是一个整数对的列表，形式为 \([(d_{1,i}, d_{1,t}), \dotsc, (d_{n,i}, d_{n,t})]\)。根据这个列表，顶点 \(u\) 属于 \(d_{u,t}\) 个三角形并具有 \(d_{u, i}\) 条其他边。数字 \(d_{u,t}\) 是 \(u\) 的*三角形度*，数字 \(d_{u,i}\) 是*独立边度*。

Parameters:

joint_degree_sequence整数对列表

每个列表条目对应于一个节点的独立边度和三角形度。

create_usingNetworkX 图构造函数，可选（默认 MultiGraph）

要创建的图类型。如果是图实例，则在填充前清空。

seed整数，random_state，或 None（默认）

随机数生成状态的指示器。 参见 Randomness 。

Returns:

GMultiGraph

具有指定度序列的图。节点从0开始标记，索引对应于度序列中的位置。

Raises:

NetworkXError

如果独立边度序列的和不是偶数或三角形度序列的和不能被3整除。

Notes

如Miller [Rf3d740164f55-1]_所述（另见Newman [Rf3d740164f55-2]_的等效描述）。

允许非图形度序列（不能由某些简单图实现），因为此函数返回带有自环和平行边的图。如果独立度序列的和不偶数或三角形度序列的和不能被3整除，则会引发异常。

这种类似于配置模型的构造过程可能导致重复边和环。您可以删除自环和平行边（见下文），这可能会导致图不具有指定的确切度序列。这种“有限尺寸效应”随着图的大小增加而减小。

References

[1]

Joel C. Miller. “Percolation and epidemics in random clustered networks”. In: Physical review. E, Statistical, nonlinear, and soft matter physics 80 (2 Part 1 August 2009).

[2]

M. E. J. Newman. “Random Graphs with Clustering”. In: Physical Review Letters 103 (5 July 2009)

Examples

>>> deg = [(1, 0), (1, 0), (1, 0), (2, 0), (1, 0), (2, 1), (0, 1), (0, 1)]
>>> G = nx.random_clustered_graph(deg)

删除平行边：

>>> G = nx.Graph(G)

删除自环：

>>> G.remove_edges_from(nx.selfloop_edges(G))