在Python中使用iGraph的社区检测函数community_fastgreedy(),我得到了一个VertexDendrogram对象,我们将其称为V.然后使用V.as_clustering()从VertexClustering对象中获取VertexClustering对象树状图。我知道社区是聚集在一起的,所以模块化是最大化的,但我认为树状图对象始终保持合并,因此很难在树状图上看到社区。Python中的iGraph:VertexDendrogram对象与VertexClustering对象之间的关系
我的问题是:V.as_clustering()的输出如何对应树状图中的社区之间的距离?
换句话说,每个社区都带有一个代表性数字(例如Community [0],Community [2]),那么该数字如何与树状图上的位置相对应?当树状图合并到最大化模块化的水平时,社区0和社区1是否彼此相邻,并且社区12距离社区0比3更远?
如果不是,那么as_clustering函数决定输出的顺序(每个社区的数字)是如何?
在此先感谢。
好吧,我现在明白这一点,所以只要可以肯定的是,当使用该提示对树形图进行as_clustering()剪切时,输出社区编号代表它们在使用提示进行树形图剪切时的位置。那么社区[0]和社区[1]在树状图的一端是否彼此最接近,而假设12和13彼此接近,但远离0和1? – Joe
不,社区数字并不代表什么 - 它们唯一的含义就是两个顶点在同一个社区,当且仅当他们的社区指数是相同的。 –
查看我答案中的更新。 –