graphscope.nx.generators.degree_seq.directed_configuration_model¶

graphscope.nx.generators.degree_seq.directed_configuration_model(in_degree_sequence, out_degree_sequence, create_using=None, seed=None)[源代码]¶

返回一个具有给定度序列的有向随机图。

配置模型通过随机分配边以匹配给定的度序列，生成一个随机有向伪图（包含平行边和自环的图）。

Parameters:

in_degree_sequence (list of nonnegative integers) – 每个列表条目对应一个节点的入度。
out_degree_sequence (list of nonnegative integers) – 每个列表条目对应一个节点的出度。
create_using (NetworkX 图构造函数，可选 (默认 MultiDiGraph)) - 要创建的图类型。如果是图实例，则在填充前会被清空。
seed (integer, random_state, or None (default)) - 随机数生成状态的指示器。参见随机性。

Returns:

G – 一个具有指定度序列的图。节点从0开始标记，索引对应于deg_sequence中的位置。

Return type:

多向图

Raises:

NetworkXError - 如果度序列的总和不相同。

另请参阅

configuration_model

备注

如Newman所述算法[1]。

允许非图形度序列（无法由任何简单图实现），因为此函数返回带有自循环和平行边的图。如果度序列的总和不相同，则会引发异常。

这种配置模型的构建过程可能会导致重复边和循环。您可以移除自环和平行边（见下文），这很可能会得到一个不完全符合指定度序列的图。这种“有限尺寸效应”会随着图规模的增大而减弱。

参考文献

示例

可以通过修改现有有向图的入度和出度序列来创建新的有向图。例如，这里我们修改有向路径图：

>>> D = nx.DiGraph([(0, 1), (1, 2), (2, 3)])
>>> din = list(d for n, d in D.in_degree())
>>> dout = list(d for n, d in D.out_degree())
>>> din.append(1)
>>> dout[0] = 2
>>> # We now expect an edge from node 0 to a new node, node 3.
... D = nx.directed_configuration_model(din, dout)

返回的图是一个有向多重图，可能包含平行边。如需从返回的图中移除所有平行边：

>>> D = nx.DiGraph(D)

同样地，要移除自循环：

>>> D.remove_edges_from(nx.selfloop_edges(D))