社会网络分析方法+R实战(自学笔记3)
发布网友
发布时间：2024-10-01 10:52
共1个回答
热心网友
时间：2024-11-24 21:37
作为社会科学家，我们希望讲述关于所研究网络结构和动态的生动故事。可视化和统计是传达这些故事的主要工具。
本教程将教授如何调整网络可视化的美学。在可视化网络时，我们可以调整多个元素。首先，可以改变节点的颜色、大小、形状和标签。其次，可以调整颜色、宽度、曲率和边缘的外观。可以突出显示网络中不同组的位置。
让我们从调整基本的可视化开始。
首先，加载我们在前一篇教程中创建的数据，并将其绘制成网络。下面的代码应该看起来很熟悉。
唯一区别是，我将money_edgelist转换为一个矩阵，与将其绘制为edgelist的图形在同一行中。这称为嵌套函数。可以嵌套的函数数量没有*，但通常情况下，如果将它们分解成多行会更容易阅读。
可视化网络就像输入plot(moneyNetwork)一样简单。但是默认plot出来的网络图特别丑。我们可以调整plot的设置，使结果的可视化更美观。对于igraph plot()函数有许多设置，我们将介绍开始自己制作体面的可视化所需的最低限度设置。
我们可以改变的最基本的东西是节点的大小和颜色。当网络很大时，节点通常会显得太大并且聚集在一起。参数vertex.Size允许您调整节点的大小(顶点是图论中表示节点的术语！)
这是在igraph中更改plot函数设置的基本方法——在网络对象的旁边加上一个逗号，键入想要更改的设置的名称，并将其设置为一个新值。这里我们设置vertex.Size为10。当您不更改任何设置时，R将自动使用默认设置。你可以在该函数的帮助部分找到它们(即输入?plot）
节点有一个难看的浅橙色，我们可以使用vertex.Color将它们的颜色变成更好的颜色。我们还可以通过将vertex.frame.color设置为NA来删除难看的黑色帧。
你可以在R中找到所有命名颜色的列表：stat.columbia.e/~tzhe...
标签太大，而且是蓝色的。我们可以用vertex.label.cex调整标签的大小。我们可以用vertex.label.color来调整颜色。
或者，如果我们想去掉标签，我们可以设置vertex.label到NA。
最后，我们可以使边缘更小和弯曲，给他们更好的美感
但设置不要太过了。如果你设置了edge.curved>1时，它看起来就像面。
网络可视化的一个重要部分是它的布局，它决定了节点在图中的位置。社交网络分析已经开发出了各种各样的布局。它们都试图最小化交叉的边的数量，但使用不同的算法来实现这一目标。一般来说，我使用Kamada Kawai算法或Fruchterman Reingold算法。
Igraph有一组布局函数，当传递一个网络对象时，这些函数返回一个坐标数组，然后可以在绘制该网络时使用。这些坐标应该保存到单独的R对象中，然后在plot函数中调用该对象。它们都有格式:layout DOT算法名。例如，layout.kamada.kawai()或layout.fruchterman.reingold()
Kamada Kawai
Frucherman-Reingold
你可以查看?layout_获得更多选项和细节。
我们可以任意影响这些美学。例如，你可能更喜欢网络边缘是弯曲的而不是直线的样子。然而，我们经常根据我们的经验背景的理论来做决定。如果我们认为种族对网络结构很重要，我们可以根据种族给节点着色。如果我们认为种族和性别都很重要，我们可以根据种族给节点上色，根据性别改变节点的形状。我们也可以根据财富大小来确定节点的大小。我们通常被*一次可视化节点的三个属性(使用颜色、形状和大小)，尽管我发现任何超过两个(颜色和大小)的东西都很难解释。
接下来，为了可视化属性是如何分布在网络节点上的，大多数网络项目需要两个独立的数据集。除了创建和加载一个关系数据集(我们在前一篇教程中介绍过)之外，我们还需要第二个数据集来详细描述参与者的属性，我们需要将数据添加到网络中。决定哪些属性是相关的将取决于领域和你的研究问题；如果你在研究芝加哥南部的帮派，你可能会记录演员的帮派成员和住所；如果你对沙特精英之间的商业关系感兴趣，你可能会记录下他们的年龄和血统。
让我们回到Excel，为我们的网络构建一个属性数据集。这种数据集要传统得多：每一行是一个人(或者称为观察结果)，每一列符合您为这个人测量的某些属性。这是我为我的家庭货币供应网络制作的一个示例属性数据集的图片。
Hoffman family attributes 家族属性
我将这个属性数据集作为.csv文件保存在我的R目录中。我将把它加载到R中，就像我在前一个教程中对edgelist做的那样(所有这些都应该是练习和熟悉的!)如果没有，请重新阅读前一篇教程)。
这为我们提供了一个data.frame，其中每一行对应一个人，每一列对应网络中人的一个属性，但要在igraph中使用这些属性，我们必须将它们分配给igraph对象(即moneyNetwork)中的节点。
图中的属性分别分配给节点和边。正如在前一篇教程中提到的，顶点是使用V()函数访问的，而边是使用E()函数访问的。然后使用后跟属性名称的美元符号操作符访问属性。例如，如前所述，V(countrysideNetwork)$name将告诉我们网络中所有节点的名称。要更改一个属性，只需使用等号将其设置为其他值。举个例子，这里我改变了网络中节点的名称：
目前，我们的网络除了名称之外没有任何属性。如果我们试图查看节点的性别，结果将是NULL。
因此，我们需要将属性文件中的属性附加到网络中。这样做的方法可能有点复杂。如果我们有一个边缘列表，我们可以使用_from_data_frame()函数而不是graph.edgelist()，并包括属性文件作为顶点参数。不管出于什么原因，在本例中，边列表需要是data.frame，所以不需要将其转换为矩阵。另外，重要的是要注意，igraph假设第一列是名称列，所以要确保情况是这样的!
现在，如果我们看一下我们的网络，我们会看到在attr旁边有更多的。
我们可以用V()$函数查看每一个。例如，这是性别。
在上一节中，我们将属性数据导入到网络对象中，这将允许我们根据节点属性操作网络。让我们从根据性别来处理颜色开始.
为了做到这一点，我们必须根据人们的性别给他们分配颜色。我们使用ifelse函数。ifelse()函数接受三个参数。第一个是测试(计算结果为TRUE或FALSE的东西)，第二个是如果测试为TRUE返回什么，第三个是如果测试为FALSE返回什么。
因此，我们设置了一个ifelse函数，它测试一个节点的性别是否为男性，如果为TRUE(即它们是男性)，则为其分配颜色为“蓝色”，如果为FALSE(即否则/它们是女性)，则为“绿色”。记住，R是区分大小写的，所以如果你的性别变量包含“Male”和“Female”，那么确保你在ifelse语句中放入Male或Female(大写)。
现在我们可以重新绘制网络。这一次，节点的颜色将是绿色或蓝色，这取决于它们的性别。注意，我没有设置vertex.因为这样做将覆盖我们刚刚给节点的颜色。
现在让我们试试role。首先，我重置颜色。有四种角色(Father, Mother, Son, Daughter)，因此我们需要更多的ifelse语句来为所有这些角色编码。
最后但并非最不重要的是，让我们调整节点的大小，以便它们反映年龄的差异。我们可以用下面的代码将节点大小设置为节点年龄的1/5。简单，但有效。看起来最老的节点给了最多的人。
over!撒花*★,°*:.☆(￣▽￣)/$:*.°★* 。
