NetworkX富豪俱乐部

概念简介

多年前网络上有一个名梗叫土豪我们做朋友吧，这个梗标明，实际上土豪是不愿意和你做朋友的，它们更倾向于和其他土豪做朋友，由此催生出一个图论中的概念，即富豪俱乐部。

从数学上来说，在一个图中

• 度数（连接数）最大的节点，称为【富豪】
• 如果这些度数最高的节点之间相互连接的密集程度，远高于它们与网络中其他低度节点的连接密集程度，那么这个网络就具有【富豪俱乐部】现象。

对此可构建富豪俱乐部系数$\Phi (r)$：取网络中度数最高的前$r$个节点，计算它们之间实际存在的连边数，除以它们之间可能存在的最大连边数$\frac{r(r-1)}{2}$。如果随着$r$的减小（即越来越只看最顶部的富豪），$\Phi (r)$的值依然很高甚至上升，就说明存在富豪俱乐部。

一个典型的Rich Club如下图所示

左图即为Rich Club在所有节点中的表现，其中红色的点即为富豪，它们仅占所有节点的一小部分，但彼此之间紧密相连。右侧则是$\Phi (k)$和$k$之间的关系，其中$k$可以理解为富豪准入门槛，只有当连接数大于或者等于$k$时才被视作富豪。

代码测试

NetworkX中，提供了【rich_club_coefficient】函数，可以用来计算$\Phi (k)$，函数签名如下，normalized为True时，将对网络进行归一化。

rich_club_coefficient(G, normalized=True, Q=100, seed=None)

其返回值是 { k : Φ ( k ) } \{k:\Phi(k)\} {k:Φ(k)}字典。

绘图代码如下

import networkx as nx
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = 'Times New Roman'

G = nx.barabasi_albert_graph(200, 2, seed=42)
degrees = dict(G.degree())

# 选出最富有的20个节点
rich_nodes = sorted(degrees, key=degrees.get, reverse=True)[:20]

# 提取富人之间的连边
rich_edges = []
for u, v in G.edges():
    if u in rich_nodes and v in rich_nodes:
        rich_edges.append((u, v))

rc = nx.rich_club_coefficient(G, normalized=False)
rc_degrees = list(rc.keys())
rc_values = list(rc.values())


# 子图1：网络拓扑与富人俱乐部高亮
ax1 = plt.subplot(121)
pos = nx.spring_layout(G, seed=42) # 布局算法

normal_nodes = [n for n in G.nodes() if n not in rich_nodes]
nx.draw_networkx_nodes(G, pos, nodelist=normal_nodes, node_size=20, node_color='lightgray', alpha=0.6, ax=ax1)
nx.draw_networkx_edges(G, pos, edge_color='lightgray', alpha=0.3, width=0.5, ax=ax1)

# 富人节点和富人边
nx.draw_networkx_nodes(G, pos, nodelist=rich_nodes, node_size=100, node_color='red', edgecolors='darkred', linewidths=1.5, ax=ax1)
nx.draw_networkx_edges(G, pos, edgelist=rich_edges, edge_color='gold', width=1.5, alpha=0.9, ax=ax1)

ax1.axis('off')

# 子图2 系数变化
ax2 = plt.subplot(122)
ax2.plot(rc_degrees, rc_values, marker='o', linestyle='-', color='b', markersize=4)
ax2.set_xlabel('Degree Threshold  $k$')
ax2.set_ylabel('rich club coefficient $\Phi(k)$')
ax2.grid(True, linestyle='--', alpha=0.6)

plt.tight_layout()
plt.show()