R包igraph探究

前段时候由于项目的原因，需要画图，然后开始接触R语言的igraph包，网上零零散散的搜罗了不少的信息，放在这边交流分享的同时也给自己留个备份吧~

1.首先是读取文件，基本选用的都是csv文件

edge1<-read.csv("D:/9th_smj/onetimecut.csv",header=F)
vertex3<-read.csv("D:/9th_smj/vertex.csv",header=F)

2.设置变量的格式

edge1[,1]=as.character(edge1[,1])
edge1[,2]=as.character(edge1[,2])
edge1[,3]=as.character(edge1[,3])
edge1[,4]=as.character(edge1[,4])
edge<-edge1[c(1,3)]
vertex3[,1]=as.character(vertex3[,1])
vertex3[,2]=as.character(vertex3[,2])

　　3.图构建

people = data.frame(id = vertex3[,1], name = vertex3[,2])

g=graph.data.frame(d=edge,direct=T,vertices=people)

　　4.画图

png('D:/9th_smj/cuttoone.png',width=900,height=900)
set.seed(20)#设定种子节点，同一种布局画出来的图就是可以重复，不然即使同一种布局，展现的时候由于位置的随机也会呈现出不一样的结果
plot(g, layout = layout.fruchterman.reingold, vertex.size = V(g)$size+2,vertex.color=V(g)$color,vertex.label=V(g)$label,vertex.label.cex=1,edge.color = grey(0.5), edge.arrow.mode = "-",edge.arrow.size=5)
dev.off()　

　　

针对plot函数的一些参数，特别解释下：

4.1  layout设置图的布局方式　　

选项有：layout、layout.auto、layout.bipartite、layout.circle、layout.drl、layout.fruchterman.reingold、layout.fruchterman.reingold.grid、layout.graphopt、layout.grid、layout.grid.3d、layout.kamada.kawai、layout.lgl、layout.mds、layout.merge、layout.norm、layout.random、layout.reingold.tilford、layout.sphere、layout.spring、layout.star、layout.sugiyama、layout.svd

4.2  vertex.size设置节点的大小：不同节点不同大小

de<-read.csv("c:/degree-info.csv",header=F)
V(g)$deg<-de[,2]
V(g)$size=2
V(g)[deg>=1]$size=4
V(g)[deg>=2]$size=6
V(g)[deg>=3]$size=8
V(g)[deg>=4]$size=10
V(g)[deg>=5]$size=12
V(g)[deg>=6]$size=14

4.3  vertex.color设置节点的颜色：不同标记有不用的颜色

color<-read.csv("c:/color.csv",header=F)
col<-c("red","skyblue")
V(g)$color=col[color[,1]]

4.4  vertex.label设置节点的标记

V(g)$label=V(g)$name

vertex.label=V(g)$label

4.5  vertex.label.cex设置节点标记的字体大小

4.6  edge.color设置边的颜色：不同的边有不一样的颜色

E(g)$color="grey"
for(i in 1:length(pa3[,1])){
	E(g,path=pa3[i,])$color="red"
}
edge.color=E(g)$color

4.7  edge.arrow.mode设置边的连接方式

4.8  edge.arrow.size设置箭头的大小

4.9  设置边的宽度

E(g)$width=1

　

5.聚类分析

感觉igraph包所提供的聚类算法还是很多的，将几种常用的列出，随后有时间的话再附上算法思想及参考文献

5.1  边的中介度聚类

system.time(ec <- edge.betweenness.community(g))
print(modularity(ec))
plot(ec, g,vertex.size=5,vertex.label=NA)

　　

5.2  随机游走

system.time(wc <- walktrap.community(g))
print(modularity(wc))
#membership(wc)
plot(wc , g,vertex.size=5,vertex.label=NA)

　　

5.3  特征值（个人理解觉得类似谱聚类）

system.time(lec <-leading.eigenvector.community(g))
print(modularity(lec))
plot(lec,g,vertex.size=5,vertex.label=NA)

　　

5.4  贪心策略？

system.time(fc <- fastgreedy.community(g))
print(modularity(fc))
plot(fc, g,vertex.size=5,vertex.label=NA)

　　

5.5  多层次聚类

system.time(mc <- multilevel.community(g, weights=NA))
print(modularity(mc))
plot(mc, g,vertex.size=5,vertex.label=NA)

　　

5.6  标签传播

system.time(lc <- label.propagation.community(g))
print(modularity(lc))
plot(lc , g,vertex.size=5,vertex.label=NA)

　　

6.文件输出

zz<-file("d:/test.txt","w")
cat(x,file=zz,sep="\n")
close(zz)

　　

7.查看变量数据类型和长度

mode(x)
length(x)