로그 - 비닝 된 네트워크 학위 분포도 표시하기

Question

나는 종종 아래 그림과 같은 복잡한 네트워크에서 긴 꼬리도 분포/히스토그램을 만나고 만들었습니다. 그들은 많은 관찰에서 매우 무겁고 혼잡, 이러한 꼬리의 무거운 말을 잘 :

그러나

, 내가 읽은 많은 출판물의 끝이 clumpiness이없는 많은 청소기도 분포를 분포와 관측치가보다 균등하게 분포되어있다.

!

NetworkX과 matplotlib을 어떻게 사용하여 차트를 만드나요?

Answer 1

log binning (see also)을 사용하십시오. 다음은 학위 값의 히스토그램을 나타내는 Counter 객체를 취하고 로그 분배를 통해 분산을 더 부드럽게 분배하는 코드입니다.

import numpy as np 
def drop_zeros(a_list): 
    return [i for i in a_list if i>0] 

def log_binning(counter_dict,bin_count=35): 

    max_x = log10(max(counter_dict.keys())) 
    max_y = log10(max(counter_dict.values())) 
    max_base = max([max_x,max_y]) 

    min_x = log10(min(drop_zeros(counter_dict.keys()))) 

    bins = np.logspace(min_x,max_base,num=bin_count) 

    # Based off of: http://stackoverflow.com/questions/6163334/binning-data-in-python-with-scipy-numpy 
    bin_means_y = (np.histogram(counter_dict.keys(),bins,weights=counter_dict.values())[0]/np.histogram(counter_dict.keys(),bins)[0]) 
    bin_means_x = (np.histogram(counter_dict.keys(),bins,weights=counter_dict.keys())[0]/np.histogram(counter_dict.keys(),bins)[0]) 

    return bin_means_x,bin_means_y 

NetworkX의 고전 척도없는 네트워크를 생성 한 다음이 음모를 꾸미고 :

import networkx as nx 
ba_g = nx.barabasi_albert_graph(10000,2) 
ba_c = nx.degree_centrality(ba_g) 
# To convert normalized degrees to raw degrees 
#ba_c = {k:int(v*(len(ba_g)-1)) for k,v in ba_c.iteritems()} 
ba_c2 = dict(Counter(ba_c.values())) 

ba_x,ba_y = log_binning(ba_c2,50) 

plt.xscale('log') 
plt.yscale('log') 
plt.scatter(ba_x,ba_y,c='r',marker='s',s=50) 
plt.scatter(ba_c2.keys(),ba_c2.values(),c='b',marker='x') 
plt.xlim((1e-4,1e-1)) 
plt.ylim((.9,1e4)) 
plt.xlabel('Connections (normalized)') 
plt.ylabel('Frequency') 
plt.show() 

은 파란색의 "원시"분포와 "비닝"분포 사이의 중복을 보여주는 다음과 같은 플롯을 생성합니다 빨간. 내가 뭔가를 분명 누락 한 경우이 방법 또는 피드백을 개선하는 방법에 대한

생각을 환영합니다.