### Python 实现计算图或网络密度的函数 #### 背景介绍 网络密度是一个衡量网络中节点之间连接紧密程度的重要指标。对于一个具有 \( n \) 个节点和 \( m \) 条边的无向简单图，其网络密度可以通过以下公式计算： \[ D = \frac{2m}{n(n-1)} \] 而对于有向图，则使用如下公式： \[ D = \frac{m}{n(n-1)} \] 其中： - \( D \) 表示网络密度； - \( m \) 是实际存在的边数； - \( n \) 是图中的节点总数。 利用 NetworkX 库可以方便地实现这一功能[^1]。 #### 函数实现 以下是基于 NetworkX 的 Python 函数用于计算任意给定图的网络密度： ```python import networkx as nx def calculate_network_density(graph): """ 计算给定图的网络密度 参数: graph (networkx.Graph 或 networkx.DiGraph): 输入的图对象 返回: float: 图的网络密度 """ number_of_nodes = graph.number_of_nodes() number_of_edges = graph.number_of_edges() if isinstance(graph, nx.DiGraph): max_possible_edges = number_of_nodes * (number_of_nodes - 1) else: max_possible_edges = number_of_nodes * (number_of_nodes - 1) / 2 density = number_of_edges / max_possible_edges return density ``` 此函数能够处理无向图以及有向图的情况，并返回对应的网络密度值[^4]。 #### 示例代码 下面提供了一个具体的例子来演示该函数的应用场景： ```python # 创建一个简单的无向图 G_undirected = nx.Graph() G_undirected.add_edges_from([(1, 2), (1, 3), (2, 3)]) density_undirected = calculate_network_density(G_undirected) print(f"无向图的网络密度: {density_undirected}") # 创建一个简单的有向图 G_directed = nx.DiGraph() G_directed.add_edges_from([(1, 2), (2, 3), (3, 1)]) density_directed = calculate_network_density(G_directed) print(f"有向图的网络密度: {density_directed}") ``` 上述代码分别展示了如何针对无向图和有向图调用 `calculate_network_density` 函数并打印结果。 --- ####