如何将边缘属性作为边缘距离传递给nx.closess_centrality()

Question

假设我有一个由这个矩阵定义的图：

test = np.array([[0, 0, 4, 0],
[0, 0, 6, 0],
[4, 6, 0, 10],
[0, 0, 10, 0]])
import networkx as nx
test_nx = nx.from_numpy_array(test)

接下来，我想计算这个图的每个节点的加权贴近度中心性。

nx.closeness_centrality(test_nx, distance="edges")

我得到：

{0: 0.6, 1: 0.6, 2: 1.0, 3: 0.6}

但是，这显然没有考虑边缘权重。我猜原因是我没有正确地通过"距离"的争论。

根据文件：

closeness_centrality(G, u=None, distance=None, normalized=True)
distance (edge attribute key, optional (default=None)) – Use the
specified edge attribute as the edge distance in shortest path
calculations

有人能告诉我如何将边缘权重传递给这个函数吗？我想要的输出是一个接近中心值的字典(每个节点一个(，它认为这些边有权重，而且它们不是简单的二进制。

Answer 1

如果您使用以下方法查看边缘：

print(test_nx.edges(data=True))
# output: [(0, 2, {'weight': 4}), (1, 2, {'weight': 6}), (2, 3, {'weight': 10})]

可以看到，用于保存边权重的关键字是weight。正确的距离键将是这个。

nx.closeness_centrality(test_nx, distance="weight")
# output {0: 0.10714285714285714, 1: 0.09375, 2: 0.15, 3: 0.075}