BA无标度网络图代码

以下是使用Python绘制BA无标度网络图的示例代码：

import networkx as nx
import matplotlib.pyplot as plt

# 生成BA无标度网络
m = 5
n = 100
G = nx.barabasi_albert_graph(n, m)

# 绘制网络图
plt.figure(figsize=(8, 8))
pos = nx.spring_layout(G, seed=42)
nx.draw(G, pos, node_size=50, with_labels=False, alpha=0.8)
plt.show()

在这个代码中，我们使用networkx的barabasi_albert_graph函数生成了一个包含n个节点、每个新节点连接到m个先前节点的BA无标度网络。然后使用spring_layout函数生成节点的布局，并使用draw函数绘制网络图。可以根据需要修改m和n的值，以及节点的大小、标签、透明度等绘图参数。

相关问题

BA无标度网络代码

以下是使用Python生成BA无标度网络的示例代码：

import networkx as nx
import numpy as np

# 创建初始的小网络
m = 5
G = nx.complete_graph(m)

# 添加新节点
n = 100
for i in range(m, n):
    # 计算每个节点的度数
    degrees = np.array([G.degree(j) for j in range(i)])
    # 计算每个节点被连接的概率
    prob = degrees / np.sum(degrees)
    # 选择一个节点进行连接
    targets = np.random.choice(i, size=m, replace=False, p=prob)
    # 添加新节点并连接
    G.add_node(i)
    for t in targets:
        G.add_edge(i, t)

在这个代码中，我们首先创建了一个包含m个节点的完全图作为初始网络。然后，从m开始往网络中添加新节点，每次添加一个节点并与之前的节点建立连接。连接的概率与节点的度数成正比，使用numpy的随机选择函数进行节点选择。最终生成了一个包含n个节点的BA无标度网络。可以根据需要修改m和n的值。

BA无标度网络模型python代码

以下是一个简单的BA无标度网络模型的Python代码实现：

import numpy as np
import matplotlib.pyplot as plt

def barabasi_albert(n, m):
    # 创建初始图，包含两个连接的节点
    G = nx.Graph()
    G.add_nodes_from(range(m))
    edges = [(0, 1)]
    G.add_edges_from(edges)

    # 添加新节点
    for i in range(m, n):
        # 计算新节点连接的边
        probs = list(dict(nx.degree(G)).values())
        probs = [p / sum(probs) for p in probs]
        new_edges = np.random.choice(range(i), size=m, replace=False, p=probs)
        new_edges = [(i, e) for e in new_edges]
        edges += new_edges
        G.add_edges_from(new_edges)

    return G

n = 1000  # 节点数
m = 2     # 每个新节点连接的边数
G = barabasi_albert(n, m)

# 可视化网络
nx.draw(G, node_size=10)
plt.show()

这段代码使用了 NetworkX 库来创建和可视化网络。函数 `barabasi_albert` 接受两个参数：节点数 `n` 和每个新节点连接的边数 `m`。它首先创建一个包含两个连接的节点的初始图，然后在每个新节点上添加 `m` 条边。新节点连接的边是根据现有节点的度数分布随机选择的。最后，它返回一个 NetworkX 图对象。在主函数中，我们使用 `nx.draw` 函数可视化网络。