原文鏈接：http://tecdat.cn/?p=18770?

原文出處：拓端數(shù)據(jù)部落公眾號

為了用R來處理網(wǎng)絡(luò)數(shù)據(jù)，我們使用婚禮數(shù)據(jù)集。

1. 


2. > nflo=network(flo,directed=FALSE)

3. > plot(nflo, displaylabels = TRUE,

4. + boxed.labels =

5. + FALSE)

下一步是igraph。由于我們有鄰接矩陣，因此可以使用它

1. 


2. graph_from_adjacency_matrix(flo,

3. + mode = "undirected")

我們可以在兩個(gè)特定節(jié)點(diǎn)之間獲得最短路徑。我們給節(jié)點(diǎn)賦予適當(dāng)?shù)念伾?/p>

1. all_shortest_paths(iflo,

2. )

3. 


4. 


5. > plot(iflo)

我們還可以可視化邊，需要從輸出中提取邊緣

1. > lins=c(paste(as.character(L)[1:4],

2. + "--"

3. + as.character(L)[2:5] ?sep="" ,

4. + paste(as.character(L) 2:5],

5. + "--",

6. 


7. > E(ifl )$color=c("grey","black")[1+EU]

8. > plot(iflo)

也可以使用D3js可視化

1. > library( networkD3 )

2. > simpleNetwork (df)

下一個(gè)問題是向網(wǎng)絡(luò)添加一個(gè)頂點(diǎn)。最簡單的方法是通過鄰接矩陣實(shí)現(xiàn)概率

2. > flo2["f","v"]=1

3. > flo2["v","f"]=1

然后，我們進(jìn)行集中度測量。

目的是了解它們之間的關(guān)系。

1. betweenness(ilo)

2. 


3. > cor(base)

4. betw close deg eig

5. betw 1.0000000 0.5763487 0.8333763 0.6737162

6. close 0.5763487 1.0000000 0.7572778 0.7989789

7. deg 0.8333763 0.7572778 1.0000000 0.9404647

8. eig 0.6737162 0.7989789 0.9404647 1.0000000

可以使用層次聚類圖來可視化集中度度量

1. hclust(dist( ase ?,

2. + method="ward")

查看集中度度量的值，查看排名

1. 


2. > for(i in 1:4) rbase[,i]=rank(base[,i])

在此，特征向量測度非常接近頂點(diǎn)的度數(shù)。

最后，尋找聚類（以防這些家庭之間爆發(fā)戰(zhàn)爭）

> kc <- fastgreedy.community ( iflo )

在這里，我們有3類

最受歡迎的見解

1.采用spss-modeler的web復(fù)雜網(wǎng)絡(luò)對所有腧穴進(jìn)行分析

2.用R語言和python進(jìn)行社交網(wǎng)絡(luò)中的社區(qū)檢測

3.R語言文本挖掘NASA數(shù)據(jù)網(wǎng)絡(luò)分析，tf-idf和主題建模

4.在R語言中使用航空公司復(fù)雜網(wǎng)絡(luò)對疫情進(jìn)行建模

5.python隸屬關(guān)系圖模型 基于模型的網(wǎng)絡(luò)中密集重疊社區(qū)檢測

6.使用Python和SAS Viya分析社交網(wǎng)絡(luò)

7.關(guān)聯(lián)網(wǎng)絡(luò)分析：已遷離北京外來人口的數(shù)據(jù)畫像

8.情感語義網(wǎng)絡(luò)：游記數(shù)據(jù)感知旅游目的地形象

9.用關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘探索藥物配伍中的規(guī)律