立连接，从而构造一个二分图。它是二分图向参与者节点投影的逆过程，下边是一段示例代码：
（接第三节的代码之后）
G = nx.make_clique_bipartite(Actor)
print G.edges() #输出：[(201, -1), (202, -1), (203, -2), (203, -1), (204, -2)]
补充一点，NetworkX的派系提取算法据说效率很高，不过我没有做过这方面的东西，感兴趣的朋友可以去看它的源代码（见http://networkx.lanl.gov/reference/algorithms.clique.html）。 五、小结
本篇笔记介绍了用NetworkX进行二分图建模与分析的方法，到今天为止，我的《NetworkX学习笔记》就暂告一段落了。我目前的工作中只用到了这几篇笔记中所写的功能，以后如果有其他的心得体会我还会继续进行补充。希望这些文章对学习和研究复杂网络的朋友们能起到一点帮助作用，也欢迎各位留言批评、讨论。
最后，向NetworkX的三位开发者Aric Hagberg、Dan Schult 、Pieter Swart 以及许许多多的贡献者致敬，感谢他们为我们提供了这样一个优秀的复杂网络分析工具！
根据三位开发者的建议，如果要在论文中引用NetworkX，请引用以下文献:
Aric A. Hagberg, Daniel A. Schult and Pieter J. Swart, ―Exploring network structure, dynamics, and function using NetworkX‖, in Proceedings of the 7th Python in Science Conference (SciPy2008), G?el Varoquaux, Travis Vaught, and Jarrod Millman (Eds),
*
(Pasadena, CA USA), pp. 11–15, Aug 2008
* 意外发现NetworkX的贡献者里还有复杂网络圈里的周涛、刘建国和汪秉宏老师，佩服啊！见https://networkx.lanl.gov/trac/changeset/681/networkx/trunk/networkx ：―Graph A and B are from Tao Zhou, Jian-Guo Liu, Bing-Hong Wang: Comment on ``Scientific collaboration networks. II. Shortest paths, weighted networks, and centrality\http://arxiv.org/pdf/physics/0511084 ‖
本文引用地址：
http://www.sciencenet.cn/m/user_content.aspx?id=338143