python - 使用Louvain在图中查找社区

我读了T0.pkl，其中包含用networkx创建的有向图，因此我将其在igraph图中打开了。
接下来，我将Louvain应用于图，现在我有一个louvain.VertexPartition.ModularityVertexPartition，我不知道如何使用它

G0_nx = nx.read_gpickle("../snapshots_original/T0.pkl")
G0_nx_edges = list(G0_nx.edges)
G0_nx_nodes = list(G0_nx.nodes)
G0_ig = igraph.Graph(directed=True)
G0_ig.add_vertices(G0_nx_nodes)
G0_ig.add_edges(G0_nx_edges)

partition = louvain.find_partition(G0_ig, lv.ModularityVertexPartition)

最佳答案

首先，您可以对其进行绘制以可视化集群：

igraph.plot(partition)

如果您尝试用简单的方法打印它

print(partition)

您将获得类似于以下内容的信息：

 Clustering with V elements and n clusters

 [cluster_id]: node1, node2, node3... (the nodes in the n-th cluster)

例如：

Clustering with 33 elements and 3 clusters

[0] 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
[1] 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21
[2] 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32

之后，您可以访问集群中的节点，就像使用具有所需集群ID的列表作为索引一样：

print(partition[1])

[11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21]

您还应该检查Louvain库docs，其中概述了其他功能（例如临时社区检测）。

关于python - 使用Louvain在图中查找社区，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58737136/