在R中操作网络数据

我有一个数据框，详细说明了N个节点之间的边权重。是否有处理此类数据的软件包

例如，我想将以下信息绘制为一个网络：

  p1 p2 counts
1  a  b    100
2  a  c    200
3  a  d    100
4  b  c     80
5  b  d     90
6  b  e    100
7  c  d    100
8  c  e     40
9  d  e     60

一种选择是软件包，它是用于统计社会网络分析的R软件包系列的一部分。它以稀疏的方式处理网络数据，这对于较大的数据集很好

在下文中，我做了以下工作：

• 将edgelist（前两列）加载到网络对象中
• 将计数指定为称为权重的边属性
• 用gplot绘制网络。（有关更改边缘厚度的信息，请参见帮助页。）
• 绘制一个社会矩阵（仅5x5组表示邻接矩阵的块，其中（i，j）单元格由相对计数着色）

A=read.table（file=“so.txt”，header=T） A. p1 p2计数 1 a b 100 2 a c 200 3 a d 100 4 b c 80 5 b d 90 6 b e 100 7 c d 100 8 c e 40 9 d e 60 图书馆（网络） 网络=网络（A[，1:2]） #获取有关网络的摘要信息 网 网络属性： 顶点=5 定向=真 hyper=FALSE 循环=错误 多重=假 二部=假 总边数=9 缺少边=0 非缺失边=9 顶点属性名称： 顶点名称 邻接矩阵： a、b、c、d、e a 0110 B0011 C001 D001 e 0 0 0 0 0 0 set.edge.attribute（净重，A[，3]） gplot（净） ##另一个很酷的功能 s=as.socialmatrix（净，attrname=“重量”） 社会矩阵图（s）

---

以下是如何在中绘制数据的网络图：

---

d我也在igraph工作。创建图形的一种方法是将所有“从”“到”节点的列表写入文本文件，并将其作为图形对象读回。图形对象可以经历许多图论过程，可以处理相当大的网络。
根据我的经验，IGRAPHE是我最喜欢的大型图论工作包。它的内存效率很高，并且有一些非常好的算法。igraph使用类似于edgelist的内部数据结构。

对于更简单/更小的事情，我倾向于使用“sna”软件包（“社交网络分析”）。它非常适合交互式工作和绘制较小的网络。sna使用了更多的邻接矩阵数据结构。
答案很好！非常有帮助！
A = read.table(file="so.txt",header=T)
A
      p1 p2 counts
    1  a  b    100
    2  a  c    200
    3  a  d    100
    4  b  c     80
    5  b  d     90
    6  b  e    100
    7  c  d    100
    8  c  e     40
    9  d  e     60

library(network)
net = network(A[,1:2])
# Get summary information about your network
net
     Network attributes:
      vertices = 5 
      directed = TRUE 
      hyper = FALSE 
      loops = FALSE 
      multiple = FALSE 
      bipartite = FALSE 
      total edges= 9 
        missing edges= 0 
        non-missing edges= 9 
        Vertex attribute names: 
        vertex.names 
     adjacency matrix:
      a b c d e
    a 0 1 1 1 0
    b 0 0 1 1 1
    c 0 0 0 1 1
    d 0 0 0 0 1
    e 0 0 0 0 0

set.edge.attribute(net,"weight",A[,3])
gplot(net)

## Another cool feature
s = as.sociomatrix(net,attrname="weight")
plot.sociomatrix(s)
d <- data.frame(p1=c('a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd'),
                p2=c('b', 'c', 'd', 'c', 'd', 'e', 'd', 'e', 'e'),
                counts=c(100, 200, 100,80, 90,100, 100,40,60))

library(igraph)
g <- graph.data.frame(d, directed=TRUE)
print(g, e=TRUE, v=TRUE)
tkplot(g, vertex.label=V(g)$name)