C++ 使用 Boost 库进行网络分析：读取数据矩阵并计算连通分量和聚类系数

以下是一个使用C++读取数据矩阵并使用Boost库的图形进行网络分析的示例代码：\n\ncpp\n#include <iostream>\n#include <fstream>\n#include <sstream>\n#include <vector>\n#include <boost/graph/adjacency_list.hpp>\n#include <boost/graph/graph_traits.hpp>\n#include <boost/graph/connected_components.hpp>\n#include <boost/graph/clustering_coefficient.hpp>\n\ntypedef boost::adjacency_list<boost::vecS, boost::vecS, boost::undirectedS> Graph;\n\nvoid readDataMatrix(const std::string& filename, std::vector<std::vector<int>>& matrix) {\n std::ifstream file(filename);\n std::string line;\n while (std::getline(file, line)) {\n std::vector<int> row;\n std::istringstream iss(line);\n int value;\n while (iss >> value) {\n row.push_back(value);\n }\n matrix.push_back(row);\n }\n file.close();\n}\n\nint main() {\n std::vector<std::vector<int>> matrix;\n readDataMatrix("data.txt", matrix);\n\n int numVertices = matrix.size();\n\n Graph g(numVertices);\n for (int i = 0; i < numVertices; ++i) {\n for (int j = i + 1; j < numVertices; ++j) {\n if (matrix[i][j] == 1) {\n boost::add_edge(i, j, g);\n }\n }\n }\n\n std::vector<int> component(numVertices);\n int numComponents = boost::connected_components(g, &component[0]);\n\n std::cout << "Number of components: " << numComponents << std::endl;\n\n std::vector<float> clusteringCoeff(numVertices);\n boost::clustering_coefficient(g, &clusteringCoeff[0]);\n\n float avgClusteringCoeff = 0.0;\n for (int i = 0; i < numVertices; ++i) {\n avgClusteringCoeff += clusteringCoeff[i];\n }\n avgClusteringCoeff /= numVertices;\n\n std::cout << "Average clustering coefficient: " << avgClusteringCoeff << std::endl;\n\n return 0;\n}\n\n\n在上面的代码中，readDataMatrix函数从文件中读取数据矩阵，并将其存储为一个二维向量。然后，我们使用Boost库的adjacency_list类型创建一个无向图。接下来，我们遍历数据矩阵，如果两个节点之间有边，则在图中添加一条边。然后，我们使用connected_components函数计算图的连通分量数量，并使用clustering_coefficient函数计算每个节点的聚类系数。最后，我们计算平均聚类系数并输出结果。\n\n请注意，data.txt是包含数据矩阵的文本文件，每行包含一个节点的连接信息，使用空格或制表符分隔。