这些作为函数整合到一个程序中，数据存放在文本ddi_with_type_latest.txt中，类似与这样的格式：0 1583 6 1 43 20 1 97 20 1 113 20

在这个场景下，你有一个包含三个字段（可能是节点ID、度数和其他信息）的文本文件 "ddi_with_type_latest.txt"，数据被组织成行，每行代表一个网络节点的信息。为了把这些数据整合到一个程序中，我们可以按照以下步骤构建一个简单的Python脚本：

首先，导入必要的模块：

import csv
from collections import defaultdict

然后，定义一个函数来读取文件并存储数据：

def read_data(file_name):
    data_dict = defaultdict(list)
    
    with open(file_name, 'r') as file:
        reader = csv.reader(file, delimiter='\t')  # 假设文件中的字段之间用制表符分隔
        next(reader)  # 跳过标题行

        for row in reader:
            node_id, degree, other_info = row
            data_dict[node_id].append(int(degree))  # 将度数转换为整型

    return data_dict

接着，调用这个函数并将结果整合到程序中：

data = read_data("ddi_with_type_latest.txt")

现在，你可以对 `data` 字典进行操作，例如找到度最大的节点，计算平均度等。例如：

1. 找出度最大的节点及其度数：

max_node, max_degree = max(data.items(), key=lambda item: sum(item[1]))
print(f"度最大的节点 ({max_node}): 度数 {max_degree}")

2. 计算所有节点的平均度：

total_degree = sum(sum(values) for values in data.values())
average_degree = total_degree / len(data)
print(f"平均度：{average_degree:.3f}")

3. 绘制度分布图（假设使用matplotlib）：

import matplotlib.pyplot as plt

degree_counts = {k: len(v) for k, v in data.items()}
plt.hist(list(degree_counts.values()), bins=range(0, max(data.values()) + 1))
plt.xlabel("度")
plt.ylabel("频数")
plt.title("度分布图")
plt.show()

别忘了在每个部分之后添加相应的