网络中心度计算大全

项目概述

本项目提供了一个完整的 Python 工具包，用于计算和分析复杂网络中的多种中心度指标。通过 networkx 库实现，支持快速评估网络中节点的重要性。

核心功能

1. 度数中心度 (Degree Centrality): 衡量节点直接连接的数量
2. 介数中心度 (Betweenness Centrality): 衡量节点作为桥梁的频率
3. 接近中心度 (Closeness Centrality): 衡量节点到其他所有节点的平均距离
4. 特征向量中心度 (Eigenvector Centrality): 衡量节点连接的重要性

使用方法

# 安装依赖
pip install networkx

# 运行计算
python main.py

输出说明

程序将输出：

• 网络基本统计信息（节点数、边数、密度）
• 四种中心度指标的最高分节点及其得分
• 完整结果保存为 centrality_results.json

结果展示示例

输入场景

当用户在终端执行命令：

python main.py

且代码中默认使用空手道俱乐部网络 (karate_club_graph()) 时

预期输出内容

=== 网络中心度计算结果 ===
节点数：34
边数：78

各指标最高分节点:
degree_centrality: 节点 0 (得分：0.4857)
betweenness_centrality: 节点 0 (得分：0.2316)
closeness_centrality: 节点 0 (得分：0.5625)
eigenvector_centrality: 节点 0 (得分：0.4453)

补充说明

1. 同时会在当前目录生成 centrality_results.json 文件，包含：

   • 完整的网络结构信息
   • 所有节点的四种中心度详细得分
   • 各指标排名前三的节点列表

2. 若修改 main.py 中的图类型参数：

   • 输入 'path' → 输出路径图的线性结构中心度分布
   • 输入 'star' → 输出星型图中中心节点的极端高分值
   • 输入随机图参数 → 输出相应随机网络的统计特征