GraphAssortativity
使用顶点度给出图 g 的协同性系数.
GraphAssortativity[g,"prop"]
使用顶点特性 "prop" 给出图 g 的协同性系数.
GraphAssortativity[g,{{vi 1,vi 2,…},…}]
给出关于顶点划分 {{vi 1,vi 2,…},…} 的图 g 的协同性系数.
GraphAssortativity[g,{v1,v2,…}{x1,x2,…}]
对顶点 {v1,v2,…} 使用数据 {x1,x2,…} 给出图 g 的协同性系数.
GraphAssortativity[{vw,…},…]
使用规则 vw 来指定图 g.
更多信息和选项
- 对于具有 条边和邻接矩阵元素为 的图,协同性系数由 给出,其中 是顶点 vi 的出度,如果存在从 vi 到 vj 的边, 等于 1,否则等于 0.
- 对于使用 x1,x2,… 的数量数据, 等于 xixj.
- 对于使用 x1,x2,… 的类别数据, 等于 1(如果 xi 和 xj 相等),否则为 0.
- 在 GraphAssortativity[g] 中,xi 是顶点 vi 的顶点出度.
- 在 GraphAssortativity[g,"prop"] 中,对于顶点 vi,xi 等于 AnnotationValue[{g,vi},"prop"].
- 在 GraphAssortativity[g,{{vi 1,vi 2,…},…}] 中,子集 {vi 1,vi 2,…} 中的顶点具有相同的类别数据 xi 1=xi 2=….
- GraphAssortativity[g,Automatic->{x1,x2,…}] 的顶点列表是 VertexList[g].
- 选项 "DataType"->type 可以用于指定数据 x1,x2,… 的类型. 可能的设置是 "Quantitative" 和 "Categorical".
- 选项 "Normalized"->False 可用于计算协同性的模块性.
- 对于具有 条边和邻接矩阵元素为 的图,协同性模块性由 给出,其中 是顶点 vi 的出度.
- GraphAssortativity 可用于无向图、有向图、加权图、多图和混合图.
范例
打开所有单元关闭所有单元范围 (12)
GraphAssortativity 可用于无向图:
VertexList 的子集的划分或者赋值:
GraphAssortativity 可用于符号式表达式:
GraphAssortativity 可用于大型图:
应用 (3)
属性和关系 (2)
GraphAssortativity 是连通顶点之间的度数的 Pearson 相关系数:
Correlation 给出 Pearson 相关系数:
文本
Wolfram Research (2012),GraphAssortativity,Wolfram 语言函数,https://reference.wolfram.com/language/ref/GraphAssortativity.html (更新于 2015 年).
CMS
Wolfram 语言. 2012. "GraphAssortativity." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2015. https://reference.wolfram.com/language/ref/GraphAssortativity.html.
APA
Wolfram 语言. (2012). GraphAssortativity. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/GraphAssortativity.html 年