Python中的iGraph：VertexDendrogram对象与VertexClustering对象之间的关系

Question

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。

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。

Answer 1

当igraph中的算法产生VertexDendrogram时，它也可以选择产生一个“提示”，它告诉我们在哪里切割树形图（即在多少次合并之后）以获得某种意义上最优的VertexClustering。例如，由community_fastgreedy()生成的VertexDendrogram提出树状图应该在模块化最大化的地方切割。在VertexDendrogram上运行as_clustering()只需使用聚类算法生成的提示将树形图平化为聚类，但您可以通过将所需数量的聚类指定为参数as_clustering()来覆盖此设置。

至于两个社区之间的“距离”：这是一件很复杂的事情，因为大多数社区检测方法不会为您提供这些信息。它们只是产生一系列从单个顶点到大型社区的合并，并且在树状图中没有编码的“距离”信息。换句话说，树状图的分​​支没有“长度”。你所能做的最好的可能是回到你的图表并检查社区之间的边缘密度;这可能是亲密度的一个很好的指标。例如：

cl = g.community_fastgreedy().as_clustering() 
comm1 = cl[0] 
comm2 = cl[1] 
edges_between = g.es.select(_between=(comm1, comm2)) 
print 2.0 * len(edges_between)/len(comm1) * len(comm2) 

如果您的图形是定向的，则在最后一行中使用乘数1.0而不是2.0。