‘‘‘
第一階段稱為Modularity?Optimization，主要是將每個節點劃分到與其鄰接的節點所在的社區中，以使得模塊度的值不斷變大；
第二階段稱為Community?Aggregation，主要是將第一步劃分出來的社區聚合成為一個點，即根據上一步生成的社區結構重新構造網絡。
重復以上的過程，直到網絡中的結構不再改變為止。
因為要帶權重所以讀數據才那么慢？
‘‘‘
import?numpy?as?np

class?FastUnfolding:
????‘‘‘
????????從一個csv文件路徑中創建一個圖.
????????path:?文件中包含?“node_from?node_to“?edges?（一對一行）
????‘‘‘
????#classmethod?修飾符對應的函數不需要實例化，不需要?self?參數，
????#?但第一個參數需要是表示自身類的?cls?參數，可以來調用類的屬性，類的方法，實例化對象等

????@classmethod
????def?from_csv（cls?data）:
????????dataarray?=?np.asarray（data）
????????nodes?=?{}
????????edges?=?[]
????????for?n?in?dataarray:
????????????nodes[n[0]]?=?1
????????????nodes[n[1]]?=?1
????????????w?=?1
????????????if?len（n）?==?3:
????????????????w?=?int（n[2]）
????????????edges.append（（（n[0]?n[1]）?w））
????????#?用連續的點重編碼圖中的點
????????nodes_?edges_d?=?in_order（nodes?edges）
????????return?cls（nodes_?edges_）d

????‘‘‘
????????從一個txt文件路徑中創建一個圖.
????????path:?文件中包含?“node_from?node_to“?edges?（一對一行）
????‘‘‘
????@classmethod
????def?from_file（cls?path）:

????????f?=?open（path?‘r‘）
????????lines?=?f.readlines（）
????????f.close（）
????????nodes?=?{}
????????edges?=?[]
????????for?line?in?lines:
????????????n?=?line.split（）
????????????if?not?n:
????????????????break
????????????nodes[n[0]]?=?1#生成一個字典，記錄原始圖中出現的點
????????????nodes[n[1]]?=?1
????????????w?=?1
????????????if?len（n）?==?3:#有權重是權重，沒權重是1
????????????????w?=?int（n[2]）
????????????edges.append（（（n[0]?n[1]）?w））
????????#?用連續的點重編碼圖中的點
????????nodes_?edges_d?=?in_order（nodes?edges）
????????print（“%d?nodes?%d?edges“?%?（len（nodes_）?len（edges_）））
????????return?cls（nodes_?edges_）d


????‘‘‘
????????從一個gml文件路徑中創建一個圖.

????‘‘‘

????@classmethod
????def?from_gml_file（cls?path）:
????????f?=?open（path?‘r‘）
????????lines?=?f.readlines（）
????????f.close（）
????????nodes?=?{}
????????edges?=?[]
????????current_edge?=?（-1?-1?1）
????????#?dic?={}
????????in_edge?=?0
????????for?line?in?lines:
????????????words?=?line.split（）
????????????if?not?words:
????????????????break
????????????if?words[0]?==?‘id‘:
????????????????#?a?=?int（words[1]）
????????????????nodes[int（words[1]）]?=?1
????????????#?if?words[0]?==?‘label‘:
????????????#?????dic[words[1]]?=?a
????????????elif?words[0]?==?‘source‘:#當讀到source的時候，開始刷新current_edge
????????????????in_edge?=?1
????????????????current_edge?=?（int（words[1]）?current_edge[1]?current_edge[2]）
????????????elif?words[0]?==?‘target‘?and?in_edge:
????????????????current_edge?=?（current_edge[0]?int（words[1]）?current_edge[2]）
????????????elif?words[0]?==?‘weight‘?and?in_edge:
????????????????current_edge?=?（current_edge[0]?current_edge[1]?int（words[1]））
????????????elif?words[0]?==?‘]‘?and?in_edge:
????????????????edges.append（（（current_edge[0]?current_edge[1]）current_edge[2]））
????????????????current_edge?=?（-1?-1?1）
????????????????in_edge?=?0#讀完一個邊，添加到edges中，并刷新current_edge和in_edge
????????nodes?edgesd?=?in_order（nodes?edges）