要比较具有不同顶点数量的图的社区，可以使用以下解决方法：

1. 创建图：首先，我们可以使用图论库（如NetworkX）创建具有不同顶点数量的图。可以使用随机生成器创建具有不同数量的顶点的图，或者使用现有的图数据集。

   import networkx as nx
   
   # 创建具有不同顶点数量的图
   G1 = nx.erdos_renyi_graph(50, 0.1) # 创建包含50个顶点的随机图
   G2 = nx.erdos_renyi_graph(100, 0.1) # 创建包含100个顶点的随机图
   

2. 社区检测：使用适当的社区检测算法（如Louvain算法、谱聚类算法等）对图中的社区进行检测。这些算法可以将图中的顶点划分为具有相似特征的社区。

   from networkx.algorithms import community
   
   # 使用Louvain算法检测社区
   communities1 = community.greedy_modularity_communities(G1)
   communities2 = community.greedy_modularity_communities(G2)
   

3. 比较社区：比较不同顶点数量的图的社区可以使用各种指标，如模块度、归一化互信息等。模块度度量社区内部连接与社区之间连接的差异，而归一化互信息度量两个社区分配之间的相似度。

   from networkx.algorithms.community.quality import modularity, normalized_mutual_information
   
   # 比较社区的模块度
   modularity1 = modularity(G1, communities1)
   modularity2 = modularity(G2, communities2)
   
   # 比较社区的归一化互信息
   nmi = normalized_mutual_information(communities1, communities2)
   

通过上述步骤，我们可以创建具有不同顶点数量的图，并使用社区检测算法检测图中的社区。然后，我们可以使用适当的指标比较不同顶点数量的图的社区。