def twice_around(G):
mst = mst_prim(G)
di_mst = mst.to_directed()
euler = nx.eulerian_circuit(di_mst,random.randint(0, len(G.nodes())-1)) # o problema está aqui
edges = list(euler)
weight = 0
for i in edges:
weight += G.edge[i[0]][i[1]]['weight']
path = []
for i in list(edges):
if i[0] not in path:
path.append(i[0])
if i[1] not in path:
path.append(i[1])
return weight, path
def twice_around(G):
mst = mst_prim(G)
di_mst = mst.to_directed()
euler = nx.eulerian_circuit(di_mst, random.randint(
0,
len(G.nodes()) - 1)) # o problema está aqui
edges = list(euler)
weight = 0
for i in edges:
weight += G.edge[i[0]][i[1]]['weight']
path = []
for i in list(edges):
if i[0] not in path:
path.append(i[0])
if i[1] not in path:
path.append(i[1])
return weight, path
def compute(self):
if self.edges == []:
self.draw()
if self.edges != []:
self.compute()
else:
edges = self.edges
if edges != []:
# calculating the mst with prim algorithm
prim, keys = mst_prim(self.graph, self.startV)
self.mst_g = Graph(mst_to_edges(prim, keys))
self.find_changes()
self.changeToggle = np.zeros(self.stepCnt)
self.inputEntry.delete(0, END)
self.edges = []
self.startPoints.delete(0, END)
else:
graphCheck = "ERROR : edges is empty There isn't a graph."
mbox.showerror('No Graph', graphCheck)
import numpy as np
import matplotlib.pyplot as plt
import networkx as nx
from prim import mst_prim
A = np.loadtxt('ha30_dist.txt', dtype=int)
G = nx.from_numpy_matrix(A)
r = 1
mst = mst_prim(G, r)
nx.draw(mst, with_labels=True)
plt.draw()
plt.show()
def mst_community_remove_edges():
# Comandos em python para leitura de um grafo a partir de uma matriz de
# adjacencia gravada em arquivo texto
# Resolve o caminho absoluto
abs_path = os.path.abspath("sgb128_dist.txt")
pre_path = abs_path[:-(len("sgb128_dist.txt") + 4)]
# Executa para cada dataset individual
dataset_list = ['uk12', 'wg59', 'sgb128']
for dataset in dataset_list:
# Verifica o sistema operacional
if platform.system() == 'Linux':
dataset_dist = pre_path + 'dataset/' + dataset + '_dist.txt'
dataset_name = pre_path + 'dataset/' + dataset + '_name.txt'
elif platform.system() == 'Windows':
dataset_dist = pre_path + 'dataset\\' + dataset + '_dist.txt'
dataset_name = pre_path + 'dataset\\' + dataset + '_name.txt'
a = np.loadtxt(dataset_dist)
# labels = np.loadtxt(dataset_name, dtype=basestring, delimiter='\n')
# Obtem as coordenadas em que o peso eh nao-nulo (diagonal principal)
rows, cols= np.where(a > 0)
# Obtem o peso de cada uma das arestas
weight = [a[rows[i],cols[i]] for i in range(0, len(rows))]
# Cria lista de arestas com e sem peso
edges_with_weight = zip(rows.tolist(), cols.tolist(), weight)
# Cria um grafo vazio usando a biblioteca NetworkX
g = nx.Graph()
# Insert nodes from an edge and it's weight
for i in range(0, len(rows)):
g.add_edge(edges_with_weight[i][0], edges_with_weight[i][1], weight=edges_with_weight[i][2])
# Executa o algoritmo de Prim para extrair a MST do grafo
mst = mst_prim(g)
# Plota resultados, é necessário que seja salvo na mão.
# Opção de layout de grafo usado foi o Fruchterman & Reingold
plt.figure(1, figsize=(15,15)) # Cria figura para desenhar grafo: 15 eh a dimensao da imagem
# Coordenadas mantém as coordenadas dos vértices do grafo
coordinates = nx.spring_layout(mst)
# Salva a primeira imagem
nx.draw(mst, coordinates, node_size=350, font_size=10, edge_width=1, alpha=0.5, arrows=False, with_labels=True)
plt.savefig(dataset+'.png') # Outros formatos: pdf, svg, ...
plt.show()
# Função que ordena inversamente pelo peso, por causa da função lambda utilizada
edges_by_weight = sorted([(i,j,mst.edge[i][j]['weight']) for i,j in mst.edges()], key=lambda a:a[2], reverse=True)
name_counter = 0
# Remoção das arestas com maior peso para a detecção de comunidades
# Press "e" to exit
print "'Enter' para remover uma aresta, 'e' para passar para o próximo grafo, ou sair do programa no último grafo"
while raw_input() != "e":
print "Removendo a aresta de maior peso!"
# Remoção efetiva da aresta que possui o maior peso
mst.remove_edge(edges_by_weight[0][0], edges_by_weight[0][1])
edges_by_weight = edges_by_weight[1:]
# Salvar a imagem sem a aresta de maior peso
plt.figure(1, figsize=(15,15))
nx.draw(mst, coordinates, node_size=350, font_size=10, edge_width=1, alpha=0.5, arrows=False, with_labels=True)
plt.savefig(dataset + '_img' + str(name_counter) + '.png') # Outros formatos: pdf, svg, ...
plt.show()
name_counter += 1
