原文鏈接：http://tecdat.cn/?p=22886

原文出處：拓端數(shù)據(jù)部落公眾號(hào)

這篇文章假定你已經(jīng)知道如何用igraph庫建立一個(gè)基本的網(wǎng)絡(luò)圖。

基本上，igraph允許將幾種類型的輸入轉(zhuǎn)化為一個(gè)圖形對象，可以使用plot()函數(shù)繪制，如下所示。

1. # 創(chuàng)建數(shù)據(jù)

2. network <- graph(data , mode='undirected')

3. 


4. # 默認(rèn)網(wǎng)絡(luò)

5. 


6. plot(network)

自定義節(jié)點(diǎn)功能

節(jié)點(diǎn)可以修改幾個(gè)參數(shù)，這些參數(shù)都以頂點(diǎn)開始。頂點(diǎn)是igraph語言中的一個(gè)節(jié)點(diǎn)。主要選項(xiàng)在下面的代碼中解釋。

1. 


2. vertex.frame.color = "green", ? ? ? ? ? ?# 節(jié)點(diǎn)邊界顏色

3. vertex.shape=c("circle","square"), ? ? ? ? ? ? # "none", "circle", "square", "rectangle", "crectangle", "vrectangle", "pie", "raster", or "sphere "之一

4. vertex.size=c(15:24), ? ? ? ? ? ? ? ? ? ? ? ? ?# 節(jié)點(diǎn)的大?。J(rèn)是15）

5. vertex.size2=NA, ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 節(jié)點(diǎn)的第二個(gè)尺寸（例如，矩形的尺寸

自定義標(biāo)簽特征

以vertex.label.開頭的選項(xiàng)可以設(shè)置label的特征。

1. ?? ?vertex.label.family="Times", ?? ??? ??? ?? ?? ?# 標(biāo)簽的字體（例如："Times",

2. ?? ?vertex.label.font=c(1,2,3,4),?? ??? ??? ? ??? ?# 字體：1普通，2粗體，3斜體，4粗斜體，5符號(hào)

3. ?? ?vertex.label.cex=c(0.5,1,1.5),?? ? ?? ??? ??? ?# 字體大?。ǔ朔ㄏ禂?shù))

4. ?? ?vertex.label.dist=0, ?? ??? ??? ??? ??? ? ??? ?# 標(biāo)簽和頂點(diǎn)之間的距離

5. ?? ?vertex.label.degree=0 ,?? ? ?? ??? ??? ??? ?? ?# 標(biāo)簽相對于頂點(diǎn)的位置（使用π）。

自定義邊

用以edge開頭的參數(shù)控制edge。

1. edge.width=seq(1,10), ? ? ? ? ? ? ? ? ? ? ? ?# 邊寬度，默認(rèn)為1

2. edge.arrow.size=1, ? ? ? ? ? ? ? ? ? ? ? ? ? # 箭頭大小，默認(rèn)為1

3. edge.arrow.width=1, ? ? ? ? ? ? ? ? ? ? ? ? ?# 箭頭寬度，默認(rèn)為1

4. edge.lty=c("solid") ? ? ? ? ? ? ? ? ? ? ? ? ? # 線條類型，可以是0或 "空白"，1或 "實(shí)線"，2或 "虛線"，3或 "點(diǎn)線"等

綜合運(yùn)用

當(dāng)然，你可以將上述所有選項(xiàng)全部用在同一個(gè)圖表上。

最受歡迎的見解

1.R語言動(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語言對布豐投針（蒲豐投針）實(shí)驗(yàn)進(jìn)行模擬和動(dòng)態(tài)

5.R語言生存分析數(shù)據(jù)分析可視化案例

6.r語言數(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