g10?<-?graph_from_adjacency_matrix(adjm,?weighted=TRUE,?add.rownames="row",add.colnames="col")??

代码解读：adjm是随便构造的一个矩阵，函数；

graph_from_adjacency_matrix中，

weighted=TRUE，是否需要加入权重；
mode有directed,undirected,upper,lower,max,min,plus有这么几种，min代表把无向图中，只选取最小数字的线（1,1）与（1,2）只选择（1,1）。具体请参看函数官方解释。

add.rownames以及add.colnames，因为前面的自编译函数init.igraph可以自定义标签，这里定义名称，可以用add.rownames加入标签列，这样你可以用V（g10）$row以及V（g10）$col直接看到标签。其中还可以自己定义名字，row，col都是笔者自己定义的。

三、一些基本操作

关系网络中，每一个点的信息存放在V中，每一个线的信息存放在E中。并且通过自编译的init.igraph函数，V（g）$label以及E(g)$weight都是自带的属性。

可以生成一个空的关系网络。

并且关系网络生成之后，R里面就不是用真实的名字来做连接，是采用编号的。例如（小明-小红）是好朋友，在R里面就显示为（1-2），所以需要单独把名字属性加到序号上。

1. g<-graph.empty(directed=F)??

1、关系网络中的点集V

点集就是网络中所有的点，如有向文本型那个数据格式，包括了14个点；7条线。

（1）点集属性

点集与数据框的操作很相似，属性是可以自己赋上去的，比如V（g）$label就是赋上去的，你还可以给点集加上颜色（V(g)$color）、加上每个点的尺寸(V(g)$size)，加上分类（V(g)$member）

点集的选择跟数据框操作一样，比如我要选择群落为1的点集，就是V(g)[which(V(g)$member==1)]

比如我要选择点度数大于1的点集，V(g)[degree(g)>1]

如果我想知道一下这两个点之间是否有关系，可以用edge.connectivit函数，edge.connectivity(g,4,9) ?代表着第四个点与第九个点之间是否有连接关系。返回的0/1。0是没有线，1代表有线。

（2）点集加减操作

我想在原来的基础上加入一些点，用add.vertices

1. g<-add.vertices(g,length(labels))#关系网络中加入“点”??

如果我想减去点度数为0的点

1. g<-g-V(g)[degree(g)==0]???

（3）相邻点的集合——neighbors（很重要）

1. neighbors(g.zn,v=which(V(g.zn)$label=="会计"))??

2. V(g.zn)$label[neighbors(g.zn,v=which(V(g.zn)$label=="取向"),mode="total")]??

3. ???#默认mode设置是out，还有?in,total；其中V(g.zn)$label和V(g.zn)一个返回标签，一个返回值??

eighbors可以找出标签如果是“会计”的点，与之有关系的点的序号是啥；不过你也可以通过V（g.zn）$label让临近点的标签一起筛选出来

其中mode代表点出度（out）以及点入度（in），还有两个都有的点度（total）。
该函数可以对于点集，做附近的画像，比较好用。

2、关系网络中的线集E

（1）线集的类型

关系网络中线的关系比较多，loop线就是循环到自己的点，1-2-1；multiple代表线的重叠。

1. which_loop(g)??#线是否能够指回自己，1-1就是指回自己??

2. which_multiple(g)??#是否有重复线，后面1-1与前面1-1重复了??

（2）线集属性

线的属性中，自编译函数能够拿到线权重，E(g)$weight。但是没有标签项，这时候需要用set_vertex_attr加入线标签。

1. g<-set_vertex_attr(g,"name",value=V(g)$label)??

原理就是把点集的标签，打到线集上来，name是默认的设置。
线集的属性中也可以跟数据集一样进行筛选操作。

1. temp<-E(g)[order(E(g)$weight>25000)]??

（3）线集加减

线集的加减可以用add.edges以及-来实现

1. g<-add.edges(g,t(edges))??#edges需要先转置??

2. g<-g-E(g)[(weight>1)]??#删除部分线??

其中需要注意，add.edges中，需要把列数据，转置为行数据，平放id与词条。

同时线集也会有重复性的问题，见下文count.multiple(g) 以及simplify函数。

还有一些特别的函数，diameter(g)可以做到最长的链接经过了多少根线。

4、关系网络的重复性问题

在关系网络中，重复是常见的，而且无向线中1-2与2-1是重复的，重复线的数量也可以作为线的权重。也就是E（g）$weight。其中igrarh包中笔者看到两个函数跟重复性问题有关。count.multiple(g) 以及simplify函数。

（1）count.multiple(g) 函数

可以获得网络中线的重复情况。不重复是1，重复一次+1。比如：无向网络（1-2,2-3，2-1）就是（2，1，2）

等价于E（g）$weight

（2）simplify函数

函数常规式:simplify(g,remove.multiple = TRUE,remove.loops = TRUE,edge.attr.comb = "mean")

其中loops是指是否循环回自己，比如1-2-1就是一个循环到自己；multiple是指重复比如1-2,2-1。

1. h?<-?graph(?c(1,2,1,3,4)?);h?????

2. is_simple(h)??

3. simplify(h,?remove.loops=FALSE)???#线重复，删除a->b,a->b删掉??

4. simplify(h,?remove.loops=TRUE)????#在线方向性重复基础上删掉点重复，a->a,b->b??

5. simplify(h,?remove.multiple=FALSE)#删掉点重复??

6. simplify(h,?remove.multiple=TRUE)#删掉点重复同时，删除线a->b,a->b??

7. simplify(h,?remove.multiple=TRUE,remove.loops=TRUE)?#删掉线重复、点重复??

simplify函数识别了两种重复方式，一种是线重复，比如1-2,2-1,；一种是点重复比如1-1,2-2就是点重复。

remove.multiple=TRUE，把重复的线删除
edge.attr.comb,使用重复次数来更新线权重E(g)$weight

SNA社会关系网络分析中，关键的就是通过一些指标的衡量来评价网络结构稳定性、集中趋势等。主要有中心度以及中心势两大类指标。

? ? 以下的代码都是igraph包中的。

中心度指标的对比

一、中心度

中心度指标有四类点度中心度、接近中心度、中间中心度、特征向量中心度。

1、点度中心度——点出度、点入度、相对点中心度、点度频率

有两个部分：绝对中心度+相对中心度。是最基本的概念，就是在某个点上，有多少条线。比如以下这个数列，“小明”这个点，有三个度（小明-小红，小白-小明，小明-小胖）。

绝对中心度中，在有向图中还有点出度、点入度之分。比如“小明”这个点，有两个点出度（小明-小红，小明-小胖）；一个点入度（小白-小明）。

相对点中心度中，相对点中心度=绝对点中心度/最大度数（可以作为不同网络结构的比较，相对数与绝对数的区别），此时小明的相对点中心度就是3/3=1。

id1 di2 ?
小明 ?小红 ?
小张 ?小白 ?
小红 ?小胖 ?
小胖 ?小蓝 ?
小白 ?小明 ?
小白 ?小张 ?
小明 ?小胖 ?

1. degree(g,mode="in")??????#mode=in点入度；out=点出度；total点度中心度，三者统称绝对点中心度??

2. （编辑：宿州站长网）

   【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!