网络-R语言进行网络分析的基础包 igraph

network

#igraph 包介绍

igraph是一个用于网络分析的库和R包。

##igraph的作用

igraph库的主要目标是提供一组数据类型和功能,以实现以下目的:1)轻松实现图形算法,2)快速处理具有数百万个顶点和边的大型图形,3)允许通过R语言快速进行网络模型制作。

##Igraph中的图

图有一个类' Igraph '。下面是一个示例,一个使用make_ring创建的环形图:

IGRAPH U--- 10 10 -- Ring graph
+ attr: name (g/c), mutual (g/x), circular (g/x)
  • ' IGRAPH '表示这是一个IGRAPH图。

  • 后面是表示图的类型的四个字符:第一个是' U '表示无向图,' D '表示有向图;第二个是' N '标记命名的图。第三个是“W”表示边设置了权重。第四是二部图的“B表示图是双向的。

  • 再后面的两个数字表示顶点和边的数量。

  • 双破折号之后,图的名字

如果想查看图形的边,可以使用print_all函数:

> print_all(g)
IGRAPH badcafe U--- 10 10 -- Ring graph
+ attr: name (g/c), mutual (g/x), circular (g/x)
+ edges:
[1] 1-- 2 2-- 3 3-- 4 4-- 5 5-- 6 6-- 7 7-- 8 8-- 9 9--10 1--10

##创建图

要创建具有给定结构的小图形,graph_from_literal函数可能是最简单的。它使用R的公式界面,它的手册页包含了许多示例。另一种选择是graph函数,它直接接受数值顶点id。graph.atlas从 Graph Atlas创建图,make_graph 函数可以创建一些特殊的图。

igraph中有很多用于创建图的函数,有确定性的,也有随机的;随机图构造器称为‘games’。

要从字段数据创建图,graph_from_edgelist、graph_from_data_frame和graph_from_adjacency_matrix可能是最好的选择。

igraph包括一些经典的随机图,如Erdos-Renyi GNP and GNM graphs (sample_gnp, sample_gnm),以及一些最近流行的模型,如preferential attachment (sample_pa) and the small-world model (sample_smallworld)。

对于边也是一样,边id总是在1到m之间,m是图中边的总数。

##顶点和边IDs

顶点和边在igraph中都有数值的顶点id。顶点id从1开始,总是连续的。即对于一个有n个顶点的图,顶点id在1到n之间。如果某些操作改变了图中的顶点数,例如通过induced_subgraph创建了一个子图,那么顶点将重新编号以满足这个条件。

##属性

在igraph中,可以将属性赋给图的顶点或边,或者赋给图本身。igraph提供了基于属性值选择一组顶点或边的灵活构造,有关详细信息,请参阅vertex_attr、V和E。

一些顶点/边/图属性被特殊处理。其中一个是“name”属性。这用于打印图形,而不是数字id(如果存在)。在所有igraph函数中,顶点名称也可以用来指定一个向量或顶点集。例如,度有一个v参数,它给出了度被计算的顶点。这个参数可以作为顶点名称的字符向量给出。

边也可以有一个“name”属性,这也是特别处理的。就像顶点一样,边也可以根据它们的名字来选择,例如在delete_edges和其他函数中。

我们注意到,顶点名称也可以用来选择边。形式“from|to”,其中“from”和“to”是顶点名称,选择一个单一的,可能是有方向的,从“from”到“to”的边。这两种形式也可以在同一个边选择器中混合。

如果您使用save和load来存储/检索图形,那么所有的属性值都将被保留。

##可视化

igraph提供了三种不同的可视化方法。首先是情节。igraph函数。(实际上你不需要写情节。igraph, plot就够了。这个函数使用常规的R图形,可以与任何R设备一起使用。

第二个函数是tkplot,它使用一个Tk GUI来进行基本的交互式图形操作。(Tk非常需要资源,所以不要对非常大的图尝试这种方法。)

第三种方法需要rgl包并使用OpenGL。

##文件格式

igraph可以处理各种图形文件格式,通常用于读写。我们建议对图形使用GraphML文件格式,除非图形太大。对于较大的图形,建议采用更简单的格式。有关详细信息,请参阅read_graph和write_graph。

#安装

## Download and install the package
install.packages("igraph")

## \## Load package
library(igraph)

##示例

## A simple example with a couple of actors
## The typical case is that these tables are read in from files....
#节点名称和属性定义,数据可以先整理成数据框格式。
> actors <- data.frame(name=c("Alice", "Bob", "Cecil", "David",
                            "Esmeralda"),
                     age=c(48,33,45,34,21),
                     gender=c("F","M","F","M","F"))
                     
name age gender
Alice  48      F
Bob  33      M
Cecil  45      F
David  34      M
Esmeralda  21      F

#构建边的信息,包括起始位置等
> relations <- data.frame(from=c("Bob", "Cecil", "Cecil", "David",
                               "David", "Esmeralda"),
                        to=c("Alice", "Bob", "Alice", "Alice", "Bob", "Alice"),
                        same.dept=c(FALSE,FALSE,TRUE,FALSE,FALSE,TRUE),
                        friendship=c(4,5,5,2,1,1), advice=c(4,5,5,4,2,3))
                        
from    to same.dept friendship advice
Bob Alice     FALSE          4      4
Cecil   Bob     FALSE          5      5
Cecil Alice      TRUE          5      5
David Alice     FALSE          2      4
David   Bob     FALSE          1      2
Esmeralda Alice      TRUE          1      3

#使用数据框创建igraph图;directed参数设置是否构建有向图
> g <- graph_from_data_frame(relations, directed=TRUE, vertices=actors)
> print(g, e=TRUE, v=TRUE)
> plot(g)
network
## The opposite operation
as_data_frame(g, what="vertices")
as_data_frame(g, what="edges")

#参考:

igraph development team
igraph Tutorials

系列文章:
networkD3 绘制动态网络

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,511评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,495评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,595评论 0 225
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,558评论 0 190
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,715评论 3 270
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,672评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,112评论 2 291
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,837评论 0 181
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,417评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,928评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,316评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,773评论 2 234
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,253评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,827评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,440评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,523评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,583评论 2 249