非常简短，关于graph-tool library 中的minimize_nested_blockmodel_dl 函数的两到三个基本问题。有没有办法找出哪个顶点落在哪个块上？换句话说，从每个块中提取一个列表，包含其顶点的标签。
层次可视化对于网络理论的业余爱好者来说是相当难以理解的，例如绘制的带有有向边的正方形是否意味着正在考虑的两个块之间的底层边缘的主要方向？这些块使用不同的颜色很好地显示，但在一个非常概念的层面上，哪些类型的模式或边缘/顶点属性在顶点的块分类背后？换句话说，当两个顶点在同一个块中时，我能说一下它们的共同属性吗？
【问题讨论】：
标签： python graph-theory graph-tool
关于您的第一个问题，它相当简单：minimize_nested_blockmodel_dl() 函数返回一个 NestedBlockState 对象：
g = collection.data["football"]
state = minimize_nested_blockmodel_dl(g)
您可以通过检查层次结构的第一级来查询节点的组成员身份：
lstate = state.levels[0]
这是一个BlockState 对象，我们通过get_blocks() 方法从中获取组成员身份：
b = lstate.get_blocks()
print(b[30]) # prints the group membership of node 30
关于您的第二个问题，随机块模型假设属于同一组的节点具有相同的概率连接到网络的其余部分。因此，通过上述函数归入同一组的节点具有相似的连接模式。例如，如果我们查看适合足球网络的情况：
state.draw(output="football.png")
我们看到属于同一组的节点往往与同一组的其他节点有更多的连接——社区结构的典型示例。然而，这只是随机块模型可以发现的众多可能性之一。其他拓扑模式包括核心-外围组织、二分性等。
【讨论】：