全文鏈接：http://tecdat.cn/?p=30961

原文出處：拓端數(shù)據(jù)部落公眾號(hào)

我們圍繞網(wǎng)絡(luò)可視化分析技術(shù)進(jìn)行一些咨詢，幫助客戶解決獨(dú)特的業(yè)務(wù)問(wèn)題。

為了分析電視臺(tái)時(shí)間關(guān)系形態(tài)變化，我們獲取了電視臺(tái)合播電視劇數(shù)量數(shù)據(jù)：

1、黃色的方格內(nèi)，數(shù)字大小表示為節(jié)點(diǎn)面積，即該電視臺(tái)獨(dú)播電視劇數(shù)量

2、白色的方格內(nèi)，數(shù)字大小表示為連接強(qiáng)弱，可以為具體若干條連線、或連線的透明度、或連線的粗細(xì)，即這兩個(gè)電視臺(tái)合播電視劇數(shù)量

3、整體呈現(xiàn)，可以看到兩年同樣電視臺(tái)的關(guān)系形態(tài)變化，輸出一些網(wǎng)絡(luò)分析的指標(biāo)

2020年數(shù)據(jù)

讀取文件

library(igraph); network= as.matrix(data)[,-1] network=apply(network,1,as.numeric)

給點(diǎn)的名稱賦值

enames=colnames(data)[-1] events =network

將對(duì)角線的元素賦值為0

diag(events)=0

生成網(wǎng)絡(luò)圖格式

for(i in 1:n) { ? ?for(j in i:n) { ? ? ?s = paste(c(as.character(i), as.character(j), ? ? ? ? ? ? ? ? ?as.character(monopartite[i,j]), "\r"), collapse=" ") ? ? ?write(s, file=f, append=TRUE, sep="") ? ?} ?}

讀取網(wǎng)絡(luò)圖格式文件

e=read.graph("events.net",

對(duì)邊進(jìn)行刪減，減去連接很小的邊

? ?if(is.null(E(graph)$weight)) stop("No weights for censoring the edges!") ?es = E(graph)[E(graph)$weight<floor | E(graph)$weight>ceiling] ? ?newgraph = graph - es ?newgraph = newgraph ?

給每個(gè)邊的寬度進(jìn)行賦值，用粗細(xì)表示

plot(newe, vertex.size=diag(network), vertex.shape="square", vert

對(duì)圖進(jìn)行刪減，刪去連接少的邊

newe = censor.edgeweight(e, floor=2); newe## IGRAPH UNW- 25 91 --

給每個(gè)邊的寬度進(jìn)行賦值，用粗細(xì)表示

E(newe)$width = ? E(newe)$weight

2021年數(shù)據(jù)

head(data)## ? ? ? ? ? ? X1 湖南衛(wèi)視 浙江衛(wèi)視 江蘇衛(wèi)視 北京衛(wèi)視 上海東方衛(wèi)視 山東衛(wèi)視## 1 ? ? 湖南衛(wèi)視 ? ? ? 24 ? ? ? ?1 ? ? ? ?0 ? ? ? ?0 ? ? ? ? ? ?0 ? ? ? ?0## 2 ? ? 浙江衛(wèi)視 ? ? ? ?1 ? ? ? ?5 ? ? ? ?3 ? ? ? ?1 ? ? ? ? ? ?3 ? ? ? ?1## 3 ? ? 江蘇衛(wèi)視 ? ? ? ?0 ? ? ? ?3 ? ? ? ?7 ? ? ? ?1 ? ? ? ? ? ?2 ? ? ? ?1## 4 ? ? 北京衛(wèi)視 ? ? ? ?0 ? ? ? ?1 ? ? ? ?1 ? ? ? ?4 ? ? ? ? ? ?5 ? ? ? ?1## 5 上海東方衛(wèi)視 ? ? ? ?0 ? ? ? ?3 ? ? ? ?2 ? ? ? ?5 ? ? ? ? ? ?5 ? ? ? ?3## 6 ? ? 山東衛(wèi)視 ? ? ? ?0 ? ? ? ?1 ? ? ? ?1 ? ? ? ?1 ? ? ? ? ? ?3 ? ? ? ?3## ? 安徽衛(wèi)視 天津衛(wèi)視 江西衛(wèi)視 湖北衛(wèi)視 深圳衛(wèi)視 云南衛(wèi)視 黑龍江衛(wèi)視## 1 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ? ?0## 2 ? ? ? ?2 ? ? ? ?1 ? ? ? ?0 ? ? ? ?0 ? ? ? ?2 ? ? ? ?0 ? ? ? ? ?0## 3 ? ? ? ?1 ? ? ? ?2 ? ? ? ?0 ? ? ? ?1 ? ? ? ?0 ? ? ? ?0 ? ? ? ? ?0## 4 ? ? ? ?1 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?1 ? ? ? ?0 ? ? ? ? ?0## 5 ? ? ? ?3 ? ? ? ?3 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?1 ? ? ? ? ?0## 6 ? ? ? ?2 ? ? ? ?3 ? ? ? ?3 ? ? ? ?2 ? ? ? ?0 ? ? ? ?2 ? ? ? ? ?2## ? 廣東衛(wèi)視 重慶衛(wèi)視 貴州衛(wèi)視 四川衛(wèi)視 遼寧衛(wèi)視 河北衛(wèi)視 河南衛(wèi)視 東南衛(wèi)視## 1 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?1## 2 ? ? ? ?0 ? ? ? ?0 ? ? ? ?2 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0## 3 ? ? ? ?0 ? ? ? ?1 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?1 ? ? ? ?0 ? ? ? ?0## 4 ? ? ? ?1 ? ? ? ?0 ? ? ? ?0 ? ? ? ?1 ? ? ? ?0 ? ? ? ?1 ? ? ? ?1 ? ? ? ?0## 5 ? ? ? ?0 ? ? ? ?1 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0## 6 ? ? ? ?0 ? ? ? ?0 ? ? ? ?1 ? ? ? ?0 ? ? ? ?3 ? ? ? ?1 ? ? ? ?1 ? ? ? ?0## ? 吉林衛(wèi)視 廣西衛(wèi)視 央視一套 央視八套## 1 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0## 2 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0## 3 ? ? ? ?0 ? ? ? ?0 ? ? ? ?1 ? ? ? ?0## 4 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0## 5 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0## 6 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0 ? ? ? ?0

給點(diǎn)的名稱賦值

enames=colnames(data)[-1]

將對(duì)角線的元素賦值為0

diag(events)=0

生成網(wǎng)絡(luò)圖格式

?s = paste(c("*vertices ", as.character(n), "\r\n*edges\r"), collapse="") ?write(s, file=f, sep="") ?for(i in 1:n) { ? ?for(j in i:n) { ? ? ?s = paste(c(as.character(i), as.character(j),

讀取網(wǎng)絡(luò)圖格式文件

e=read.graph("events.net", format="pajek")

對(duì)邊進(jìn)行刪減，減去連接很小的邊

? ?if(is.null(E(graph)$weight)) stop("No weights for censoring the edges!") ?es = E(graph)[E(graph)$weight<floor | E(graph)$weight>ceiling]

給每個(gè)邊的寬度進(jìn)行賦值，用粗細(xì)表示

plot(newe, vertex.size=diag(network), vertex.shape="square",

對(duì)圖進(jìn)行刪減，刪去連接少的邊

newe = censor.edgeweight(e, floor=2); newe## IGRAPH UNW- 25 27 -- ## + attr: name (v/c), weight (e/n)

給每個(gè)邊的寬度進(jìn)行賦值，用粗細(xì)表示

E(newe)$width = ? E(newe)$weight vertex.label.degree=pi/2, layout=layout.circle)

最受歡迎的見(jiàn)解

1.R語(yǔ)言動(dòng)態(tài)圖可視化：如何、創(chuàng)建具有精美動(dòng)畫的圖

2.R語(yǔ)言生存分析可視化分析

3.Python數(shù)據(jù)可視化-seaborn Iris鳶尾花數(shù)據(jù)

4.r語(yǔ)言對(duì)布豐投針（蒲豐投針）實(shí)驗(yàn)進(jìn)行模擬和動(dòng)態(tài)

5.R語(yǔ)言生存分析數(shù)據(jù)分析可視化案例

6.r語(yǔ)言數(shù)據(jù)可視化分析案例：探索brfss數(shù)據(jù)數(shù)據(jù)分析

7.R語(yǔ)言動(dòng)態(tài)可視化：制作歷史全球平均溫度的累積動(dòng)態(tài)折線圖動(dòng)畫gif視頻圖

8.R語(yǔ)言高維數(shù)據(jù)的主成分pca、 t-SNE算法降維與可視化分析案例報(bào)告

9.python主題LDA建模和t-SNE可視化