| sidebar_position | 14 |
|---|
算子类别：Distance & Measures（距离与结构度量）
算法数量：24 个
适用阶段：网络体检、拓扑跨度评估、中心/边缘识别、全局紧凑性分析、图电阻与随机游走分析、传播/追踪成本评估、同配性分析、连接偏好分析、混合矩阵建模、结构偏好诊断
产品定位：为“网络跨度有多大 / 哪些节点处于中心或边缘 / 整体距离成本是多少 / 图是否紧凑 / 节点是否倾向同类相连 / 高度节点是否互相连接 / 不同属性之间如何混合连接 / 邻居度结构如何分布”提供距离与结构度量能力底座。
Distance & Measures 算子集聚焦于图的全局距离结构、中心-边缘位置、整体紧凑性、随机游走稳定性、图电阻特征、同配连接偏好与混合模式分析，主要回答以下问题：
-
距离与跨度结构
- 一个节点到最远节点有多远？
- 网络中最远两点之间的距离是多少？
- 网络的最优中心位置在哪里？
- 哪些节点处于结构边缘？
- 整个网络是否紧凑，整体距离成本是否较高？
-
中心与边缘识别
- 哪些节点最适合作为监控入口、服务中心或调度枢纽？
- 哪些节点最偏远、最难覆盖？
- 图的半径、直径和中心节点集合如何分布？
-
图电阻与随机游走度量
- 两个节点之间的电阻距离是多少？
- 整个图的有效电阻水平如何？
- 随机游走在图上的长期访问效率如何？
- 网络整体是否存在较高的扩散或通达成本？
-
同配性与连接偏好
- 高度节点是否更倾向连接高度节点？
- 同属性节点是否更倾向互相连接？
- 数值属性相近的节点是否更容易连接？
- 网络是同质连接、异质连接，还是无明显偏好？
-
混合矩阵与边端点关系
- 不同属性类别之间的连接频次如何？
- 不同度数节点之间如何连接？
- 每条边两端节点的属性值或度数如何配对？
- 是否可以将连接偏好转化为矩阵或字典结构，供后续建模使用？
| 能力类型 | 对应算子 | 功能描述 |
|---|---|---|
| 图直径 | diameter |
计算全图最大离心率 |
| 图半径 | radius |
计算全图最小离心率 |
| 图中心 | center |
返回离心率最小的中心节点集合 |
| 图边缘 | periphery |
返回离心率等于直径的边缘节点集合 |
| 节点最远距离 | eccentricity |
计算节点到最远可达节点的距离 |
| 维纳指数 | wiener_index |
计算全对最短路距离总和 |
| 度同配系数 | degree_assortativity_coefficient |
衡量连接两端节点度数的相关性 |
| 属性同配系数 | attribute_assortativity_coefficient |
衡量相同类别属性节点是否更倾向互连 |
| 效率 | efficiency |
计算节点对之间最短路径距离的倒数 |
| 平均邻居度 | average_neighbor_degree |
计算每个节点邻居的平均度 |
| 平均度连接性 | average_degree_connectivity |
计算不同度数节点的邻居平均度 |
| 通信能力 | communicability |
量化节点对之间综合所有游走的通信强度 |
| 节点冗余度 | node_redundancy |
衡量二分图中节点邻居的间接互连程度 |
| 接近重要性 | closeness_vitality |
评估节点对全局紧凑性的贡献 |
| 非随机性 | non_randomness |
量化图结构偏离随机图的程度 |
| 富人俱乐部系数 | rich_club_coefficient |
衡量高度数节点之间的连边密度 |
| 互惠性 | reciprocity |
衡量有向网络中双向连接的倾向 |
| 电阻距离 | resistance_distance |
计算节点对之间的电阻距离 |
| 流层次性 | flow_hierarchy |
衡量有向网络的层次化程度 |
| 图重心 | barycenter |
返回最短路距离总和最小的节点集合 |
| Estrada 指数 | estrada_index |
反映图全局谱紧凑性的标量度量 |
| 围长 | girth |
返回图中最短环的长度 |
| 调和直径 | harmonic_diameter |
用调和平均思想衡量图的有效距离尺度 |
| Kemeny 常数 | kemeny_constant |
衡量随机游走到稳态的平均通达特征 |
-
输入
G：NetworkX Graph / DiGraph -
常见输入参数：
weight：边权字段名、函数或Nonee：预计算的 eccentricity 字典，可用于radius、diameter、center、peripherysp：预计算的最短路距离字典，可用于eccentricity、barycenter、harmonic_diameterusebounds：无向图上的边界加速开关attribute：节点属性名，适用于属性同配和属性混合类算法nodes：限定计算的节点子集x/y：有向图中源端、目标端使用的度类型，如in/outsource/target：邻居度相关算法中指定边方向或度类型normalized：混合矩阵或混合字典是否归一化
-
常见输出类型：
- 距离度量类：数值、节点列表或
dict[node → value] - 电阻/随机游走类：数值或节点对度量结果
- 同配性类：浮点数相关系数
- 邻居度类：
dict[node → average_degree]或dict[degree → average_neighbor_degree] - 混合关系类：矩阵、字典或边端点值对迭代器
- 距离度量类：数值、节点列表或
功能说明 图直径是所有节点离心率中的最大值，表示网络中最远两点之间的最短路距离。
产品价值
- 衡量网络最大跨度
- 支持评估传播、追踪或协作的最坏成本
- 可用于不同网络结构的横向对比
典型场景
- 社交网络跨度分析
- 交通网络最大绕行距离评估
- 供应链最大层级距离分析
- 通信网络延迟上界评估
- 网络结构体检
适用与特性
- 图类型：有向图 / 无向图
- 输出：数值
- 非连通图场景需谨慎解释
功能说明 图半径是所有节点离心率中的最小值，表示从最优中心节点出发，到最远节点的最小可能距离。
产品价值
- 衡量网络最佳中心的最坏覆盖距离
- 适合判断网络是否紧凑
- 可用于中心选址和全局协调能力评估
典型场景
- 服务中心选址
- 监控入口部署
- 应急调度中心选择
- 组织协调成本分析
- 网络紧凑性评估
适用与特性
- 图类型：有向图 / 无向图
- 输出：数值
- 可复用
eccentricity结果加速计算
功能说明 返回离心率等于图半径的节点集合。这些节点到最远节点的距离最小，是图中的结构中心。
产品价值
- 识别最适合作为全局中心的节点
- 支持服务、监控、调度与协调入口选择
- 有助于理解网络的中心位置
典型场景
- 监控节点选择
- 服务设施布局
- 枢纽节点识别
- 应急响应中心选择
- 网络中心性解释
适用与特性
- 图类型：有向图 / 无向图
- 输出：中心节点列表
- 可能存在多个中心节点
功能说明 返回离心率等于图直径的节点集合。这些节点通常处于网络结构边界，距离某些节点最远。
产品价值
- 识别网络中的覆盖盲区和偏远位置
- 支持边缘节点、孤立风险点和结构边界分析
- 可用于网络优化和补边建议
典型场景
- 偏远设备识别
- 边缘用户分析
- 交通末端节点分析
- 供应链末端风险识别
- 网络覆盖优化
适用与特性
- 图类型：有向图 / 无向图
- 输出：边缘节点列表
- 通常与
diameter、eccentricity联合使用
功能说明 计算节点到图中所有可达节点的最短路距离中的最大值。离心率越大，说明该节点距离最远节点越远，位置越偏。
产品价值
- 衡量节点的最坏可达距离
- 支持识别偏远节点和覆盖难点
- 是计算半径、直径、中心、边缘等指标的基础
典型场景
- 网络覆盖分析
- 服务入口选址
- 追踪成本评估
- 偏远节点识别
- 拓扑体检
适用与特性
- 图类型：有向图 / 无向图
- 输出：
dict[node → eccentricity]或单节点数值 - 注意：非连通图需要按连通分量或可达范围解释
功能说明 计算所有节点对之间最短路距离的总和，用于衡量整个网络的全局距离成本。
产品价值
- 衡量网络整体紧凑性
- 支持不同网络之间的结构对比
- 可用于传播、协作、运输等全局成本评估
典型场景
- 交通网络总路径成本分析
- 供应链协作成本评估
- 社交网络紧凑性比较
- 分子图结构分析
- 拓扑优化前后对比
适用与特性
- 图类型：有向图 / 无向图
- 输出：数值
- 可按无权或加权最短路计算
功能说明 衡量边两端节点的度数是否相关。
r > 0：高度节点倾向连接高度节点r < 0：高度节点倾向连接低度节点r ≈ 0：无明显度连接偏好
产品价值
- 判断网络是否存在核心抱团或核心-边缘结构
- 支持分析高度节点之间是否相互连接
- 可用于识别网络连接偏好
典型场景
- 社交网络同配性分析
- 核心-边缘结构诊断
- 高活跃账号连接偏好分析
- 生物网络连接模式分析
- 交易网络层级结构分析
适用与特性
- 图类型：有向图 / 无向图
- 输出：浮点数相关系数
- 有向图可指定源端和目标端使用 in-degree 或 out-degree
功能说明 衡量相同类别属性的节点是否更倾向于相互连接。
r > 0：同属性节点更倾向互连r < 0：不同属性节点更倾向互连r ≈ 0：属性对连接偏好影响较弱
产品价值
- 判断网络是否存在同质性连接
- 支持分析群体、部门、类型、风险等级之间的连接偏好
- 可用于社区结构、组织结构和风控结构诊断
典型场景
- 部门内/跨部门协作分析
- 风险等级同质连接分析
- 用户类型连接偏好分析
- 机构层级互联分析
- 社区同质性评估
适用与特性
- 图类型：有向图 / 无向图
- 必填参数：
attribute - 输出：浮点数相关系数
功能说明 计算图中节点对之间的效率，定义为最短路径距离的倒数。效率越高，说明两个节点之间信息或影响传播越容易。若两节点不可达，则效率为 0。
产品价值
- 量化节点间信息传递的便捷程度
- 支持网络局部连通性和容错能力评估
- 可用于对比不同网络的整体可达效率
典型场景
- 社交网络信息传播效率分析
- 生物网络连接韧性评估
- 交通网络通达性对比
- 基础设施网络冗余分析
- 网络优化前后效果衡量
适用与特性
- 图类型：无向图
- 输出：节点对效率值或全图平均效率
- 注意：边权在计算中被忽略，所有边被视为等权
功能说明 计算每个节点邻居的平均度，用于衡量一个节点连接到的邻居整体活跃程度或结构层级。
产品价值
- 判断节点是否连接到高活跃邻居
- 支持识别“挂靠核心”或“连接外围”的节点
- 可作为节点局部结构特征
典型场景
- 节点影响力辅助评估
- 社交网络邻居质量分析
- 欺诈网络外围节点识别
- 交易对象活跃度分析
- 网络层级结构建模
适用与特性
- 图类型：有向图 / 无向图
- 输出：
dict[node → average_neighbor_degree] - 可结合
source、target、weight使用
功能说明 按节点度数分组，计算每一类度数节点的邻居平均度，用于观察不同度数节点倾向连接到什么度数的节点。
产品价值
- 支持分析度层级之间的连接模式
- 可用于判断网络是否同配或异配
- 适合绘制度连接性曲线
典型场景
- 高度节点是否连接高度节点分析
- 核心-边缘模式识别
- 网络分层结构分析
- 社交网络活跃度连接偏好
- 生物网络度相关模式分析
适用与特性
- 图类型：有向图 / 无向图
- 输出：
dict[degree → average_neighbor_degree] - 常与同配系数联合解释
功能说明 量化图中节点对之间的通信强度，不仅考虑最短路径，还考虑所有不同长度的游走路径，短路径贡献更大。从谱分解角度，通信能力 C(u, v) = sum_j [phi_j(u) * phi_j(v) * exp(lambda_j)]，综合了所有长度游走的贡献。
产品价值
- 提供比最短路径更全面的节点接近性度量
- 能捕捉潜在交互和间接关系
- 适合分析复杂网络中的传播潜力
典型场景
- 社交网络潜在互动关系挖掘
- 生物网络蛋白质功能关联分析
- 交通网络整体可达性评估
- 复杂系统全局信息传播分析
- 节点相似性度量与图核方法
适用与特性
- 图类型：无向简单图
- 输出：嵌套字典 dict[u][v] -> communicability_value
- 复杂度：取决于邻接矩阵谱分解，适合中小规模网络
功能说明 在二分图中计算节点的冗余系数，衡量某节点的邻居之间通过其他节点互连的程度。冗余系数越高，说明该节点的邻居之间已有大量间接连接，该节点被移除后对连通性影响较小。
产品价值
- 识别连接贡献较小的冗余节点
- 支持网络瓶颈检测和结构优化
- 可用于推荐系统中提升推荐多样性
典型场景
- 推荐系统用户偏好重叠分析
- 合作网络作者重复合作检测
- 项目网络团队资源优化
- 生态网络关键物种识别
- 供应链冗余分析
适用与特性
- 图类型：二分图
- 输出：dict[node -> redundancy_value]，值域 [0, 1]
- 复杂度：O(sum_v deg(v)^2)
功能说明 通过测量移除某节点后全图所有节点对距离总和的变化量，评估该节点对网络整体紧凑性的贡献。值越大，说明该节点对维持全局通达效率越关键。
产品价值
- 识别对全局距离效率贡献最大的节点
- 支持关键基础设施和枢纽节点评估
- 可用于网络脆弱性和韧性分析
典型场景
- 交通网络关键站点识别
- 通信网络核心节点评估
- 基础设施网络脆弱性分析
- 依赖关系图关键模块定位
- 引用/合作网络全局可达性分析
适用与特性
- 图类型：强连通图
- 输出：dict[node -> vitality_value] 或单节点数值
- 注意：移除节点可能导致图断开，此时值为负无穷
- 可复用预计算的 wiener_index 加速
功能说明 量化图结构偏离随机图的程度。返回两个值：总非随机性和相对非随机性。相对非随机性越接近 0，说明图越像随机图；值越大，说明图具有更强的结构规律性或社区组织。
产品价值
- 判断网络是否存在有意义的结构组织
- 支持社区结构强度评估
- 可用于区分真实网络与随机连接
典型场景
- 社交网络社区组织程度评估
- 网络结构随机性对比
- 扰动前后结构变化分析
- 图结构模式识别
- 加权边对结构规律性影响分析
适用与特性
- 图类型：无向连通图，无自环，非空
- 输出：(非随机性, 相对非随机性) 元组
- 可指定社区数 k，不指定则自动估计
功能说明 计算每个度数阈值 k 下，度数大于 k 的节点之间的连边密度。如果高度数节点之间连接异常密集，则存在"富人俱乐部"现象。可归一化后与随机图对比，判断该现象是否具有统计显著性。
产品价值
- 判断网络核心节点是否形成紧密团体
- 支持层次结构和精英核心分析
- 可用于识别网络的结构骨架
典型场景
- 科学合作网络高产作者互连分析
- 自治系统网络顶层核心评估
- 脑网络枢纽区域连接分析
- 航空网络枢纽机场互连分析
- 蛋白质互作网络高连接蛋白分析
适用与特性
- 图类型：无向图，无平行边和自环
- 输出：dict[k -> phi(k)]
- 可选择是否归一化（与同度分布随机图对比）
- 归一化时通过 Q * m 次双边交换生成零模型
功能说明 衡量有向网络中节点对形成双向连接的倾向。全局互惠性为有反向边伴随的边数占总边数的比例。节点级互惠性衡量单个节点的入边和出边对称程度。
产品价值
- 判断有向网络中关系的对称性
- 支持分析层级结构与对等结构的区分
- 可用于评估社交互动的平衡程度
典型场景
- 社交平台互关关系分析
- 邮件/消息网络通信对称性评估
- 国际贸易网络双边关系分析
- 信任/评分网络互惠关系量化
- 生态食物网物种互作分析
适用与特性
- 图类型：有向图（非多重图）
- 输出：全局浮点数或节点级 dict[node -> reciprocity]
- 注意：孤立节点互惠性未定义
功能说明 将图看作电路网络，计算两个节点之间的等效电阻距离。电阻距离不仅考虑最短路，也考虑多条并行路径带来的连接增强效果。
产品价值
- 衡量节点间的全局连接强度
- 能反映路径冗余对节点接近性的影响
- 适合比单一最短路更细致的结构距离分析
典型场景
- 鲁棒性分析
- 电网/通信网络结构分析
- 节点相似性度量
- 多路径冗余评估
- 图核方法特征构造
适用与特性
- 图类型：通常用于无向连通图
- 输出：节点对电阻距离
- 特点：距离越小，说明节点间整体连接越强
功能说明 计算有向图中不参与环的边所占比例，用于衡量网络的层次化程度。值越高，说明网络越接近严格的层级结构（DAG）；值越低，说明反馈环路越多。
产品价值
- 量化有向网络的层次化程度
- 支持判断依赖关系是否接近 DAG
- 可用于分析命令链、引用链等层级结构
典型场景
- 引用网络层次结构分析
- 命令链层级程度评估
- 依赖图循环依赖检测
- 供应链层次结构分析
- 影响力网络反馈环路量化
适用与特性
- 图类型：有向图 / 多重有向图
- 输出：浮点数，值域 [0, 1]
- 复杂度：基于强连通分量，约 O(m)
- 可选边权参数
功能说明
返回到所有其他节点最短路距离总和最小的节点集合。与 center 关注最坏距离不同，barycenter 更关注整体距离成本最小。
产品价值
- 支持选择平均通达成本最低的节点
- 适合服务中心、物流中心或协调中心选址
- 能补充
center只看最远距离的局限
典型场景
- 仓储/物流中心选址
- 组织协调中心分析
- 网络服务节点选择
- 平均访问成本优化
- 路网中心位置识别
适用与特性
- 图类型：通常用于连通图
- 输出：重心节点列表
- 可结合
weight使用加权最短路距离
功能说明 计算无向简单图的 Estrada 指数，通过对邻接矩阵特征值取指数求和得到，是一个反映图全局紧凑性、通信能力和结构折叠程度的谱描述符。
产品价值
- 提供单一标量度量图的谱紧凑性
- 支持不同网络的全局结构对比
- 常用于分子图分析和网络拓扑比较
典型场景
- 分子图结构紧凑性比较
- 蛋白质网络全局结构对比
- 基础设施网络加固效果评估
- 候选图结构排序
- 网络演化趋势追踪
适用与特性
- 图类型：无向简单图
- 输出：浮点数
- 复杂度：O(n^3)，受矩阵特征分解主导
功能说明 返回图中最短环的长度。若图为无环图（如树或森林），则结果为无穷大。围长衡量图中出现循环依赖的最小规模。
产品价值
- 判断图中是否存在短环结构
- 支持区分树状图和含环图
- 可用于网络局部循环结构对比
典型场景
- 欺诈交易网络最短可疑环路检测
- 电网拓扑最短环路分析
- 社交谣言网络短环加速传播评估
- 图结构局部循环对比
- 依赖图循环依赖最短路径分析
适用与特性
- 图类型：无向图
- 输出：整数或 math.inf
- 复杂度：O(nm)
功能说明 使用节点对距离的调和平均思想衡量图的有效距离尺度。相比普通直径，它对极端远距离或不可达问题更稳健。
产品价值
- 提供更稳健的全局距离尺度
- 适合非完全连通或存在局部断裂的网络
- 可用于对比网络整体可达效率
典型场景
- 大规模社交网络距离分析
- 非连通网络有效距离评估
- 网络演化前后紧凑性对比
- 传播效率评估
- 拓扑优化效果衡量
适用与特性
- 图类型：有向图 / 无向图
- 输出：数值
- 特点：比普通直径更关注整体有效距离，而不是单一最远点
功能说明 计算图上随机游走相关的 Kemeny 常数，用于刻画随机游走从任意起点到达稳态分布的平均通达特征。
产品价值
- 衡量网络随机游走混合效率
- 支持分析扩散、访问和稳定状态收敛特征
- 可作为图整体可达性和稳定性的度量
典型场景
- 随机游走模型分析
- 网页访问模型
- 推荐系统游走召回
- 扩散过程稳定性分析
- Markov 链网络评估
适用与特性
- 图类型：通常用于连通图或合适的有向图
- 输出：数值
- 与随机游走、转移矩阵和稳态分析相关
- 计算节点最远距离：
eccentricity - 计算网络最大跨度：
diameter - 计算最佳中心的最坏距离：
radius - 寻找结构中心节点：
center - 寻找结构边缘节点：
periphery - 衡量整体距离成本：
wiener_index - 使用更稳健的有效距离尺度：
harmonic_diameter
- 计算节点对效率：
efficiency - 量化节点对综合通信强度：
communicability - 计算节点对电阻距离：
resistance_distance
- 寻找最小总距离节点：
barycenter - 评估节点对全局紧凑性的贡献：
closeness_vitality - 计算图全局谱紧凑性：
estrada_index
- 判断高度节点是否互连：
degree_assortativity_coefficient - 判断类别属性是否同质连接：
attribute_assortativity_coefficient - 查看每个节点连接到的邻居平均度：
average_neighbor_degree - 查看不同度数节点连接到的邻居平均度：
average_degree_connectivity
- 判断图结构偏离随机图的程度：
non_randomness - 判断高度数节点是否形成紧密团体：
rich_club_coefficient - 衡量有向网络的层次化程度：
flow_hierarchy - 衡量有向网络中双向连接的倾向：
reciprocity
- 查找图中最短环的长度：
girth - 分析二分图中节点邻居的间接互连程度：
node_redundancy
- 分析随机游走稳定通达特征：
kemeny_constant
- "这个网络的最大跨度是多少？"
- "哪些节点处于网络中心？"
- "哪些节点最偏远、最难覆盖？"
- "整个网络的距离成本是多少？"
- "哪个节点到所有节点的总距离最小？"
- "这个网络是否紧凑？"
- "两个节点之间的电阻距离是多少？"
- "随机游走在这个网络上的整体通达效率如何？"
- "高度节点是否更倾向连接高度节点？"
- "网络中高度数节点之间是否形成了紧密团体（富人俱乐部）？"
- "这个图结构是有意义的组织还是接近随机图？"
- "有向网络中有多少比例的边不参与环路（层次化程度）？"
- "有向网络中双向连接的比例是多少？"
- "图中最短的环路有多长？"
- "这个图的全局谱紧凑性（Estrada 指数）是多少？"
- "移除某个节点后，全图距离总和会变多少？"
- "二分图中某个节点的邻居之间间接互连程度有多高？"
- "节点对之间的综合通信强度（不只看最短路径）是多少？"
- "节点对之间的效率（最短路径倒数）是多少？"
-
连通性要求
eccentricity、radius、diameter、center、periphery、barycenter、wiener_index、closeness_vitality等距离类指标在非连通图中需要谨慎解释。- 无向图：建议按连通分量分别计算，或先取最大连通分量
- 有向图：建议结合强连通分量或可达范围解释
-
加权距离语义
weight通常表示距离、成本、耗时或阻抗。 如果边权表示容量、相似度、强度等"越大越好"的含义，不应直接作为距离使用，需要先转换为正向距离成本。 -
性能建议
- 同时计算
eccentricity、radius、diameter、center、periphery时，建议先计算并复用eccentricity communicability、non_randomness、estrada_index涉及矩阵谱分解，大规模图需谨慎使用rich_club_coefficient归一化模式需生成随机零模型，计算成本较高closeness_vitality需要多次最短路计算，可通过预计算wiener_index加速
- 同时计算
-
有向图专属算子
reciprocity和flow_hierarchy仅适用于有向图，无向图调用无意义。 -
二分图专属算子
node_redundancy适用于二分图，普通图调用需注意语义。
| 序号 | 算子名称 | 中文说明 |
|---|---|---|
| 1 | diameter |
计算图直径 |
| 2 | radius |
计算图半径 |
| 3 | center |
获取图中心节点集合 |
| 4 | periphery |
获取图边缘节点集合 |
| 5 | eccentricity |
计算节点离心率 |
| 6 | wiener_index |
计算维纳指数 |
| 7 | degree_assortativity_coefficient |
计算度同配系数 |
| 8 | attribute_assortativity_coefficient |
计算属性同配系数 |
| 9 | efficiency |
计算节点对效率 |
| 10 | average_neighbor_degree |
计算平均邻居度 |
| 11 | average_degree_connectivity |
计算平均度连接性 |
| 12 | communicability |
计算通信能力 |
| 13 | node_redundancy |
计算节点冗余度 |
| 14 | closeness_vitality |
计算接近重要性 |
| 15 | non_randomness |
计算非随机性 |
| 16 | rich_club_coefficient |
计算富人俱乐部系数 |
| 17 | reciprocity |
计算互惠性 |
| 18 | resistance_distance |
计算电阻距离 |
| 19 | flow_hierarchy |
计算流层次性 |
| 20 | barycenter |
获取图重心节点集合 |
| 21 | estrada_index |
计算 Estrada 指数 |
| 22 | girth |
计算围长 |
| 23 | harmonic_diameter |
计算调和直径 |
| 24 | kemeny_constant |
计算 Kemeny 常数 |