如何将函数应用于图形/网络中的每个连接组件?

发布于 11-05 06:46 字数 360 浏览 4 评论 0原文

我有一个大型 igraph 对象,有 70,000 多个顶点(节点)和 200,000 多个边(连接)。我想计算一些中心性度​​量,但网络太大。我认为一个好的解决方法是将我的网络分解为连接的组件(即使是最大的组件也不会太大)。

我正在考虑使用 igraph 函数 clusters 或相关方法。然后我可以计算集群上的 alpha.centrality() 和 bonpow() 吗?然后将结果合并回原始 igraph 对象? (或具有所有顶点的数据框)

我不确定最好的方法,我真的很想听听人们的任何想法。非常感谢:)

I have a large igraph object 70,000+ vertices (nodes) and 200,000+ edges (connections). I'd like to calculate some measures of centrality but the network is too big. I thought a good work around would be to break my network into connected components (even the largest isn't too big).

I was thinking about using the igraph function clusters or related methods. Could I then calculate alpha.centrality() and bonpow() on the clusters? and then merge the results back into the original igraph object? (or a dataframe with all vertices)

I'm not sure of the best approach and I'd be really interested to hear any ideas people have. Many thanks :)

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

近箐2024-11-12 06:46:49

您可以使用igraph中的decompose.graph函数来获取连接组件的列表,然后使用lapply来运行您的函数(alpha.centrality > 或 bonpow)在每个组件上。运行 decompose.graph 后,您可能需要释放原始图以重新声明一些内存。

You can use the decompose.graph function in igraph to obtain a list of the connected components, then use lapply to run your function (alpha.centrality or bonpow) on each of the components. After having run decompose.graph, you may want to deallocate your original graph to re-claim some memory.

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文