使用Igraph计算图的特征值谱

有没有一种方法可以用Python中的Igraph来计算（最终绘制）文中描述的图的特征值谱？使用Igraph计算图的特征值谱

http://lthiwww.epfl.ch/~leveque/Projects/barabasi_al.pdf

如果是的话，需要使用哪些功能？如果不是，有什么好的替代方法？

2014-09-22 Rodolphe

是不是只是将图转换成邻接矩阵，然后计算矩阵的特征值？ – Bitwise 2014-09-22 18:25:49

可能的是，我看到网络有一个功能可以做到，但它确实会过度杀伤。然后我会检查numpy。谢谢。 – Rodolphe 2014-09-22 18:27:41

好了，我想通了，嗷嗷只与IGRAPH做到这一点：

import numpy.linalg 
from igraph import * 
import random 
import numpy as np 
import time 

nbr_noeuds = 50 
dens = .2 

p=random.uniform(dens,dens) 
G = Graph.Erdos_Renyi(nbr_noeuds, p, directed=False, loops=False) 

t0 = time.time() 
L = G.laplacian(normalized=True) 
e = numpy.linalg.eigvals(L) 
print time.time()-t0

和计算太多速度更快，打印输出为0.0009

来源

2014-09-23 16:19:48 Rodolphe

请注意，图的* laplacian *矩阵与* adjacency *矩阵不同，但它很容易在两者之间进行转换（http://en.wikipedia.org/wiki/Laplacian_matrix）。你提到的论文使用* adjacency *矩阵的特征值，而不是* laplacian *矩阵的特征值。 – Bitwise 2014-09-25 14:27:15

哦...感谢您的评论！ – Rodolphe 2014-09-25 14:36:37

更简单，可能更快，这样

In [1]: import networkx as nx 

In [2]: from numpy.linalg import eigvals 

In [3]: %timeit eigvals(nx.normalized_laplacian_matrix(nx.fast_gnp_random_graph(50,0.2)).A) 
100 loops, best of 3: 3.13 ms per loop

来源

2014-09-23 16:52:02 Aric

谢谢！问题是，我有一个igraph图开始，转换需要一段时间，我认为... – Rodolphe 2014-09-23 17:28:35

使用Igraph计算图的特征值谱

回答

相关问题