Cora.cite数据集

cora.cite数据集下载地址：https://linqs-data.soe.ucsc.edu/public/lbc/cora.tgz

GCN数据集：

https://blog.csdn.net/yyl424525/article/details/100831452?utm_medium=distribute.pc_relevant.none-task-blog-title-8&spm=1001.2101.3001.4242

 

元组列表的遍历：

https://blog.csdn.net/sinat_38068807/article/details/85309093

 

networkx求解网络的各种特征：

一、度、度分布

NetworkX可以用来统计图中每个节点的度，并生成度分布序列。下边是一段示例代码（这段代码可以在Shell里一行一行的输入，也可以将其保存为一个以py结尾的纯文本文件后直接运行），注意看注释部分：

import networkx as nx
G = nx.random_graphs.barabasi_albert_graph(1000,3)   #生成一个n=1000，m=3的BA无标度网络
print G.degree(0)                                   #返回某个节点的度
print G.degree()                                     #返回所有节点的度
print nx.degree_histogram(G)    #返回图中所有节点的度分布序列（从1至最大度的出现频次）

对上述结果稍作处理，就可以在Origin等软件里绘制度分布曲线了，当然也可以用matplotlib直接作图，在上述代码后接着输入：

import matplotlib.pyplot as plt                 #导入科学绘图的matplotlib包
degree =  nx.degree_histogram(G)          #返回图中所有节点的度分布序列
x = range(len(degree))                             #生成x轴序列，从1到最大度
y = [z / float(sum(degree)) for z in degree]  
#将频次转换为频率，这用到Python的一个小技巧：列表内涵，Python的确很方便：）
plt.loglog(x,y,color="blue",linewidth=2)           #在双对数坐标轴上绘制度分布曲线  
plt.show()                                                          #显示图表

 

networkx求最大连通分量：

https://blog.csdn.net/qq_36148333/article/details/107065194

H = list(G.subgraph(c) for c in nx.connected_components(G))[0]

https://blog.csdn.net/woody1982130/article/details/53471681                  python2.x版本

 

networkx计算网络的最短路径，平均最短路径，网络的效率

https://blog.csdn.net/tengqingyong/article/details/88619779

 

networkx复杂网络分析参考：

https://blog.csdn.net/ztf312/article/details/107711916

https://blog.csdn.net/tengqingyong/article/details/88619779

https://www.cnblogs.com/qinxiaoqin/p/7150897.html

https://www.it610.com/article/1293948449963712512.htm