sna

    1熱度

    2回答

    這是一個簡單的R任務。我列出了一些身份證的人和每個人的朋友名單(也有身份證)。他們在這裏: > dput(friends_of_people) structure(list(`7614` = c(1091, 1252, 1827, 34687), `29752` = c(1419, 1799, 3353, 4665), `33220` = c(143, 297, 436, 52078), `3

    1熱度

    1回答

    有沒有一種方法可以繪製igraph中的網絡鏈接或節點的R與最小值和最大值成正比? 使用繪圖鏈路和節點屬性是IGRAPH非常方便,但在一些網絡中的最小值和最大值之間的差異在網絡四通八達發現一個非常醜陋的圖畫。舉例來說,看到這樣的代碼: #Transforming a sample network (Safariland) from the package bipartite into an igra

    2熱度

    1回答

    當談到R的網絡分析時,我對igraph比較熟悉,但根本沒有與sna。 我的問題是: 是這兩個庫兼容?即我可否將sna的操作應用於igraph中創建的圖表,反之亦然? 是否有任務在一個包中比另一個包更有效地執行 ? 哪個庫有更易於理解的操作範圍? 總的來說,有沒有什麼強有力的理由可以使用igraph或sna來做網絡分析? ps。這些軟件包是否允許進行多層(多路)網絡分析?

    1熱度

    1回答

    我很好奇neo4j如何解釋下面的查詢和實際返回的內容。 MATCH path=(p1:Student)-[f:Friends]->(p2:Student)-[f2:Friends]->(p3:Student) RETURN p1.studentID, p2.StudentId, p3.StudentId 我認爲這是返回所有節點鏈接到另一個,另一個和另一個鏈。但是,如果數據包含4個節點的鏈,該

    -1熱度

    1回答

    我正在嘗試使用R二分包來分析一個雙方網絡。我導入了一個csv文件並將其轉換爲單模式網絡。這裏是我的代碼: library(igraph) library(bipartite) g <- as.network(data) net <- as.one.mode(g, fill = 0, project="full", weighted=TRUE) summary(net) vcount(ne

    0熱度

    1回答

    我在用R處理iGraph軟件包時遇到了一些麻煩。具體來說,當我試圖讓所有節點在2度分隔範圍內從給定的節點,然後使用該列表通過函數運行一些操作。 我對R中的列表工作並不是非常有信心,更不用說iGraph.vs類。 理想情況下,我想生成一個使用ego到第二度Listnode_test <- (ego(Graph1, 2, "accumsan"))的頂點列表。這返回Listnode_test。下面是輸出

    1熱度

    1回答

    我想用相同(或關閉)佈局重現網絡圖。我知道igraph有tkplot.getcoords()函數。我想根據gplot的結果複製/獲取/設置一組頂點座標,這是SNA軟件包的繪圖功能。 我在找地方做這件事,但沒有找到任何東西。任何幫助將非常感激。 編輯:增加了一個可重複的例子。我希望所有9個地塊都使用相同的佈局,而不使用igraph :: tkplot。 library(statnet) set.

    2熱度

    1回答

    我在R中使用igraph進行網絡分析。我想在圖的每一行顯示邊緣屬性。下面是一個例子 df <- data.frame(a = c(0,1,2,3,4),b = c(3,4,5,6,7)) nod <- data.frame(node = c(0:7),wt = c(1:8)) pg <- graph_from_data_frame(d = df, vertices = nod,directed

    1熱度

    1回答

    我有以下數據集和下面的腳本: library(GGally) library(ggnet) library(network) library(sna) library(ggplot2) # edgelist e <- data.frame(sender = c(1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 4, 4, 5), receiver =

    1熱度

    1回答

    當我在R中運行一個長程序時,是否可以顯示中間步驟? 舉例來說,我有一個日常工作建立一個原始矩陣的隨機版本,根據空模型(包雙邊): #Build N randomized version of the matrix contained in data nulls <- nullmodel(data, N=1000, method=3) #Calculate the same network