当前位置：极客教程 > R语言 > R语言 教程 > R语言 社会网络分析

R语言 社会网络分析

R语言 社会网络分析

社会网络分析（SNA）是通过使用图论来探索或检查社会结构的过程。它用于测量和分析网络的结构属性。它有助于测量团体、组织和其他连接实体之间的关系和流动。

在我们开始之前，让我们看看一些网络分析的术语

  • 网络被表示为一个图形，它显示了每个顶点（或节点）和其邻居之间的链接（如果有的话）。
  • 表示顶点之间联系的线被称为边。
  • 一组顶点，如果通过图上的边可以相互到达，则称为一个组件。
  • 从一个顶点到另一个顶点的沿线被称为路径。

为了进行网络分析，需要使用以下软件

  • R软件
  • 软件包。
    • igraph
    • sna (社会网络分析)

社会网络分析中使用的函数

  • library() function

    library()函数加载和附加附加包。

语法:

library(package, help, logical.return = FALSE....)
R
  • make_full_graph() function

    该函数用于创建一个完整的图形。

语法:

make_full_graph(n, loops = FALSE, directed = FALSE)
R
  • make_ring() function

    环是一个一维的格子，它可以创建任意维度的格子，周期性或非周期性的格子。

语法:

make_ring(n, directed = FALSE, circular = TRUE, mutual = FALSE)
R
  • make_star() function

    这个函数创建了一个星形图，其中每个顶点都与中心顶点相连，而没有其他顶点。

语法:

make_star(n, center = 1, mode = c("in", "out", "mutual", "undirected"))
R
  • sample_gnp() function

    这是一个简单的模型，每个可能的边都是以相同的恒定概率创建的。

语法:

sample_gnp(n, p, loops = FALSE, directed = FALSE)
R
  • plot() function

    该函数用于在活动图形窗口中绘制给定的图形。

语法:

plot(defined_graph_name)
R

创建图表样本

完整的图表

语法

make_full_graph ()
R

参数

  • 顶点的数量。
  • directed = TRUE/FALSE 是否创建一个有向图。
  • loops = TRUE/FALSE 是否在图中添加自循环。

例子

library(igraph)
Full_Graph <- make_full_graph(8, directed = FALSE)
plot(Full_Graph)
R

输出：

使用R编程的社会网络分析

环形图

环形图是一个一维网格，是make_lattice函数的一个特例。

语法

make_ring ()
R

参数

  • 顶点的数量。
  • directed =TRUE/FALSE 是否创建一个有向图。
  • mutual =TRUE/FALSE 有向的边是否是相互的。在无向图中，它被忽略。
  • circular =TRUE/FALSE 是否创建圆形环。

例子

library(igraph)
Ring_Graph <- make_ring(12, directed = FALSE, mutual = FALSE, circular = TRUE)
plot(Ring_Graph)
R

输出：

使用R编程的社会网络分析

使用R编程的社会网络分析

星形图

星形图是指每一个顶点都与中心顶点相连，而没有其他顶点。

语法

make_star()
R

参数

  • 顶点的数量
  • center = 中心顶点的标识
  • 模式 = 它定义了边的方向，即进/出/互换/不定向。
    • in – 边缘指向中心。
    • out – 边缘从中心指向。
    • mutual – 用相互的边创建一个有向星形图。
    • undirected – 边缘是不定向的。

例子

library(igraph)
Star_Graph <- make_star(10, center = 1)
plot(Star_Graph)
R

输出：

使用R编程的社会网络分析

生成随机图(gnp)

下面的图形是以给定的常数概率随机生成的，可以创建一条边。

语法

sample_gnp()
R

参数

  • 图中顶点的数量
  • 在随机顶点之间画一条边的概率
  • 有向 = FALSE/TRUE
  • 循环 = FALSE/TRUE

例子

library(igraph)
gnp_Graph <- sample_gnp(20, 0.3, directed = FALSE, loops = FALSE)
plot(gnp_Graph)
R

同样地，你可以通过改变参数来尝试不同的图形，如下所示。

输出：

使用R编程的社会网络分析

使用R编程的社会网络分析

使用R编程的社会网络分析

使用R编程的社会网络分析

分析图形

图的连接性

图中顶点的基本衡量标准之一是它们与其他顶点有多少联系。这个衡量标准可以是连接数占总的可能连接数的比例，也叫密度。
现在让我们来找出随机图中每个节点/顶点的程度。

语法

degree(graph)
R

程度函数是用来找出每个顶点所连接的顶点数量。

例子

library(igraph)
gnp_Graph <- sample_gnp(7, 0.4, directed = FALSE, loops = FALSE)
plot(gnp_Graph)
degree(gnp_Graph)
R

输出

使用R编程的社会网络分析

图的间隙度

在社会网络中，interness被定义为网络成员群体之间的桥梁。计算间性的一种方法是计算每个顶点的间性。一般来说，与一个顶点相关的间性得分越高，对网络的控制就越强。

语法

betweenness(graph)
R

betweenness()函数的定义是经过一个顶点或一条边的最短路径的数量。

例子

library(igraph)
gnp_Graph <- sample_gnp(7, 0.4, directed = FALSE, loops = FALSE)
plot(gnp_Graph)
betweenness(gnp_Graph)
R

输出

使用R编程的社会网络分析

网络密度

网络的密度被定义为连接数与可能连接数的总和。一个完整的图的密度=1，而其他网络可以有一个十进制的值。

语法

edge_density(graph)
R

它是边的数量与可能的边的总数的比率。

例子

library(igraph)
sample_graph <- sample_gnp(10, 0.3, directed = FALSE)
plot(sample_graph)
sample_density <- edge_density(sample_graph, loops = FALSE)
sample_density
R

输出

使用R编程的社会网络分析

识别网络中的悬崖

悬崖可以被定义为一组顶点，其中所有可能的链接都存在。

语法

cliques(graph, min=NULL,max=NULL)
R

这个函数可以找到无定向图中所有最大或最大的悬崖。

例子

library(igraph)
sample_graph <- sample_gnp(20, 0.3, directed = FALSE, loops = FALSE)
plot(sample_graph)
clique_num(sample_graph, min=4)
R

输出

使用R编程的社会网络分析

寻找图的组成部分

一组相连的网络顶点被称为一个组件。因此，一个有可能有多个不相互连接的组件。

语法

components(graph)
R

这将计算出一个图的强连接或弱连接部分。

例子

library(igraph)
sample_graph <- sample_gnp(30, 0.07, directed = FALSE, loops = FALSE)
plot(sample_graph)
components(sample_graph)
R

输出

使用R编程的社会网络分析

图上的随机行走

现在让我们使用random_walk函数生成一个随机图并在其中行走。

语法

random_walk(
  graph,
  start_node,
  Number_of_steps,
  stuck = "return"/"error"
)
R

这个函数允许我们从start_node开始做随机行走，直到Number_of_steps，如果卡住或不能前进，则返回或给出错误。

例子

library(igraph)
sample_graph <- sample_gnp(30, 0.07, directed = FALSE, loops = FALSE)
plot(sample_graph)
random_walk(sample_graph, 8, 10, stuck = "return")
R

输出

使用R编程的社会网络分析

网络的可视化

改变边和顶的颜色

现在我们将尝试学习如何修改顶点和边的颜色，使图形更加丰富多彩。

使用R编程的社会网络分析

使用R编程的社会网络分析

set_vertex_attr(graph, name_attr, value)
R

我们将尝试用这个函数来设置顶点的一个特定属性值。

set_edge_attr(graph, name, value)
R

这将是一个类似的函数，但不同的是它设置了边缘的属性。

写出一个图形

使用下面的函数，你可以将图形的边缘列表保存到你的计算机上，并指定路径。

write.graphs()
R

使用R编程的社会网络分析

使用R编程的社会网络分析

setwd(dir)
R

设置工作目录功能允许你设置你想要的工作目录。

注意： 在设置路径时，所有的反斜线应改为正斜线。

getwd()
R

这个函数返回你当前使用的dir路径。

write_graph(graph, format)
R

这个功能允许你以特定的格式导出图形，如 edgelist/pajek/ncol/lgl/graphml/dimacs/gml 等。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

R语言 精品教程

登录

找回密码？

注册