图论-分析和可视化

22

我不确定主题是否会引起CrossValidated兴趣。你会告诉我的。

我必须研究一个图（从图论）。我有一定数量的点相连。我有一张桌子，上面有所有的点，每个点都依赖于这些点。（我也有另一个表的含义）

我的问题是：
是否有一个好的软件（或R包）可以轻松学习？
有显示图的简单方法吗？

r data-visualization graph-theory

— 岩石科学
source

我尝试使用cran.r-project.org/web/packages/graph/vignettes/graph.pdf，但它似乎暗示“ Rgraphviz”软件包不再可用。有人有其他解决方案吗？

— RockScience 2011年

1

Rgraphviz在生物导体上：bioconductor.org/packages/release/bioc/html/Rgraphviz.html

— Rob Hyndman

1

谢谢！Graphviz完美且非常灵活，我在R中使用Rgraphviz接口使用它，并且效果很好。

— RockScience

15

iGraph是一个非常有趣的跨语言（R，Python，Ruby，C）库。它使您可以处理单向图和有向图，并且已经实现了许多分析算法。

— 尼科
source

1

（+1）看来我的回应是追随您的。由于您的回答在某种程度上强调了不同的观点（跨平台，算法），我觉得我们的回答不是那么多余，但是我可以毫无保留地删除我的回答。

— chl

14

除图外，还有各种包可用于表示有向图和无向图，入射/邻接矩阵等。例如查看gR任务视图。

对于可视化和基本计算，除了Rgraphviz（@Rob指出在BioC上）之外，我认为igraph软件包是可靠的软件包。请注意，为了使后者正常工作，还必须安装graphviz。该IGRAPH包有一个用于创建良好的布局，就像漂亮的算法graphviz的。

这是一个使用示例，从伪邻接矩阵开始：

adj.mat <- matrix(sample(c(0,1), 9, replace=TRUE), nr=3)
g <- graph.adjacency(adj.mat)
plot(g)

替代文字

— hl
source

感谢您的回答。使用R来安装graphviz并不容易，但是它似乎是一个不错的库

— RockScience

仅供参考，我现在要做的是用R生成graphviz代码，并使用mediawiki graphviz扩展名在mediawiki中读取了它。（Rgraphviz软件包不容易安装，并且不能与R的最新版本一起使用）

— RockScience 2011年

“软件包“图”已从CRAN存储库中删除。”

— bartektartanus

8

除了已经说过的话，对于单独的虚拟化任务（以及在R之外），您可能有兴趣检查Gephi。

— 托塞尔
source

8

另一个选项是statnet软件包。Statnet具有SNA中所有常用度量的功能，并且还可以估计ERG模型。如果您的数据在边缘列表中，请按以下方式读取数据（假设您的数据框标记为“ edgelist”）：

net <- as.network(edgelist, matrix.type = "edgelist", directed = TRUE) #if the network is directed, otherwise: directed = FALSE

如果数据在邻接矩阵中，则将“ matrix.type”参数替换为“ adjacency”：

net <- as.network(edgelist, matrix.type = "adjacency", directed = TRUE)

statnet软件包具有一些非常好的绘图功能。要进行简单绘图，只需键入：

gplot(net)

要根据节点之间的中心度缩放节点，只需执行以下操作：

bet <- betweenness(net)
gplot(net, vertex.cex = bet)

默认情况下，gplot函数使用Fruchterman-Reingold算法放置节点，但是可以通过mode选项进行控制，例如使用MDS放置节点类型：

gplot(net, vertex.cex, mode = "mds")

或使用圆形布局：

gplot(net, vertex.cex, mode = "circle")

还有更多可能性，并且本指南涵盖了大多数基本选项。对于一个独立的示例：

net <- rgraph(20) #generate a random network with 20 nodes
bet <- betweenness(net) #calculate betweenness scores
gplot(net) #a simple plot
gplot(net, vertex.cex = bet/3) #nodes scaled according to their betweenness centrality, the measure is divided by 3 so the nodes don't become to big.
gplot(net, vertex.cex = bet/3, mode = "circle") #with a circle layout
gplot(net, vertex.cex = bet/3, mode = "circle", label = 1:20) #with node labels

— 托马斯·詹森
source

（+1）从未使用过此软件包，但是您的概述建议我应该尝试一下。一见钟情。

— chl

3

一个类似的问题，有人问cstheory，如果你还以特别感兴趣平面图，或书目可视化。

这里已经提到了Gephi，但是在cstheory上也有人推荐了它，所以我认为这是一个不错的选择。

其他不错的选择包括：

Flare提供了一些非常酷的可视化工具，并为报告和论文创建了非常漂亮的图形。
Cyptoscape具有一些非常强大的分析和可视化工具。它对化学和分子生物学特别有用。
该网站提供了许多其他不错的可视化工具和库的链接（尽管不是R）。

— 阿尔特姆·卡兹纳切夫（Artem Kaznatcheev）
source

2

我发现NodeXL非常有用且易于使用。它是一个MS Excel模板，可轻松导入/导出图形，设置边/顶点的格式，计算某些指标，具有一些聚类算法。您可以轻松地将自定义图像用作顶点。
对我来说另一个有用的工具是Microsoft自动图形版式，它可以在线（使用支持SVG的浏览器）尝试提供良好的版式。

— 尼加那波
source