R语言igraph软件包方法

snachina

一、igraph软件包创建图和网络
R语言的术语网络是加权无向图和加权有向图。igraph 是一个独立的库，底层是 C，上层有 Python 和 R 接口，主要做图和网络方面的计算，附带绘图功能。

调试顶点的大小（参数vertex.size）和顶点标签（参数vertex.label.cex）的大小。

igraph中图的数据结构
      igraph中基本的graph structure采用的是EdgeList，所以在igraph中自然而然的允许multiedge的存在，当然它也提供了Adjancency list（对某些算法，大部分算法接受的参数是edgelist）。数据结构igraph_t定义如下:
typedef struct igraph_s {
  igraph_integer_t n;   #图的顶点个数
  igraph_bool_t directed;   #有向图，无向图
  igraph_vector_t from;   #边的起点
  igraph_vector_t to;       #边的终点
  igraph_vector_t oi;        #尾结点下标
  igraph_vector_t ii;         #头结点下标
  igraph_vector_t os;
  igraph_vector_t is;
  void *attr;               
} igraph_t;

igraph中顶点和边都是从0开始编号。n是图的顶点个数，directed是有向图标识。所有边的顶点存储在from和to两个向量(igraph_vector_t)中，oi[e]对应的是编号为e的边所对应的尾结点在from中的index，同样ii[e]对应于e的头节点在to中的index（也就是是说e 可以表示为 from[oi[e]] -> to[ii[e]]）。所以from,to,oi,ii都是长度与边数相同的向量。

os和is则和oi，ii相反，表示的是从顶点到边的映射，从顶点v出发的第一条边为 from[oi[os[v]]] -> to[ii[os[v]]]，所以当os[v] == os[v + 1]时候就表示从该顶点没有出边。向量is同理。os,is都是长度为顶点数加一的向量。

操作igraph_t的一些基本API如igraph_empty, igraph_adjacent等见于文档手册。

因为采用的是edgelist的结构，所以增/减边（顶点）的操作在igraph中是相当耗费时间的。add和delete操作的时间复杂度基本上都是O(|V| + |E|)或者O(|V|)。

二、例题
eg1.有weight的图

require(igraph)
d = data.frame(p1 = c('a', 'b', 'c'),
               p2 = c('b', 'c', 'a'),
               weight = c(1, 2, 4))
g = graph.data.frame(d, directed = TRUE)  #有向图
plot(g, edge.width=E(g)$weight)

eg2.  顶点的颜色

ramp =colorRamp(c("red", "white","blue"));

#ramp(seq(0, 1, length = length(unique(label))))

panel=rgb( ramp(seq(0, 1, length = length(unique(label)))), max = 255)#设定颜色

用户可以根据color、rgb值和hsv值来设定不同的颜色

注释：R语言设定颜色的方法

library(grDevices);
ramp <- colorRamp(c("red", "white","blue"));
ramp(seq(0, 1, length = 5))
      [,1]  [,2]  [,3]
[1,] 255.0   0.0   0.0
[2,] 255.0 127.5 127.5
[3,] 255.0 255.0 255.0
[4,] 127.5 127.5 255.0
[5,]   0.0   0.0 255.0
color<-rgb( ramp(seq(0, 1, length = 5)), max = 255)
color
[1] "#FF0000" "#FF7F7F" "#FFFFFF" "#7F7FFF" "#0000FF"

eg3.  邻接矩阵的图

library(igraph)
cells<-c(0,0,1,0,1,1,0,1,0,0,0,0,0,0,0,0,1,0,1,1,0,1,0,0,0,0,0,0,1,1,0,3,0,3,3,3,0,0,0,0,0,0,0,0,3,0,3,1,1,1,0,0,0,0,0,0,1,1
,0,3,0,0,0,0,1,0,0,0,0,0,1,1,3,1,0,0,3,0,0,0,0,0,0,0,0,0,3,1,0,3,0,0,3,1,0,3,0,0,1,1,3,1,0,0,0,0,0,3,0,3,1,1,0,0,0,0,1,3,3,0,0,3,1,3,0,0,0,0,0,0,0,0,1,3,3,0,0,3,1,1,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,3,3,3,3,0,0,1,1,0,0,0,0,0,0,0,1,0,1,0,1,0,1,0,0,0,0,0,0,0,1,0,1,0,1,1,0)
cells=matrix(cells,14,14,byrow=T)          #创建邻接矩阵
> cells
      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13]
[1,]    0    0    1    0    1    1    0    1    0     0     0     0     0
[2,]    0    0    1    0    1    1    0    1    0     0     0     0     0
[3,]    1    1    0    3    0    3    3    3    0     0     0     0     0
[4,]    0    0    3    0    3    1    1    1    0     0     0     0     0
[5,]    1    1    0    3    0    0    0    0    1     0     0     0     0
[6,]    1    1    3    1    0    0    3    0    0     0     0     0     0
[7,]    0    0    3    1    0    3    0    0    3     1     0     3     0
[8,]    1    1    3    1    0    0    0    0    0     3     0     3     1
[9,]    0    0    0    0    1    3    3    0    0     3     1     3     0
[10,]    0    0    0    0    0    0    1    3    3     0     0     3     1
[11,]    0    0    0    0    0    0    0    0    1     0     0     0     0
[12,]    0    0    0    0    0    0    3    3    3     3     0     0     1
[13,]    0    0    0    0    0    0    0    1    0     1     0     1     0
[14,]    0    0    0    0    0    0    0    1    0     1     0     1     1
      [,14]
[1,]     0
[2,]     0
[3,]     0
[4,]     0
[5,]     0
[6,]     0
[7,]     0
[8,]     1
[9,]     0
[10,]     1
[11,]     0
[12,]     1
[13,]     1
[14,]     0
myCoord<-c(1,2,7.5,5,3,6,6,8,8,11,8,10,11,13,2,1,2,4,5.5,1,6,4,9,8,14,5.5,2.2,4)
myCoord<-matrix(myCoord,14,2,byrow=F)     #创建顶点坐标
> myCoord
      [,1] [,2]
[1,]  1.0  2.0
[2,]  2.0  1.0
[3,]  7.5  2.0
[4,]  5.0  4.0
[5,]  3.0  5.5
[6,]  6.0  1.0
[7,]  6.0  6.0
[8,]  8.0  4.0
[9,]  8.0  9.0
[10,] 11.0  8.0
[11,]  8.0 14.0
[12,] 10.0  5.5
[13,] 11.0  2.2
[14,] 13.0  4.0
cnames=paste("e",1:14,sep="")  #顶点标签
> cnames
[1] "e1"  "e2"  "e3"  "e4"  "e5"  "e6"  "e7"  "e8"  "e9"  "e10" "e11" "e12"
[13] "e13" "e14"
g=graph.adjacency(cells,mode="undirected",weighted=T)  #创建图
> g
IGRAPH U-W- 14 35 --
+ attr: weight (e/n)
+ edges:
[1]  1-- 3  1-- 5  1-- 6  1-- 8  2-- 3  2-- 5  2-- 6  2-- 8  3-- 4  3-- 6
[11]  3-- 7  3-- 8  4-- 5  4-- 6  4-- 7  4-- 8  5-- 9  6-- 7  6-- 9  7-- 9
[21]  7--10  7--12  8--10  8--12  8--13  8--14  9--10  9--11  9--12 10--12
[31] 10--13 10--14 12--13 12--14 13--14
plot(g,vertex.color="green",layout=myCoord,vertex.shape="square",
     vertex.label=cnames,vertex.label.font=2,vertex.label.dist=-1,
     vertex.label.degree=-pi/2,vertex.label.color="black",
     vertex.frame.color="gray",
     edge.width=E(g)$weight,edge.color="gray")
                                                                              igraph创建图

三、函数应用
1.输出图中所有节点

　　V(g)$name

　　g是相应的图

2.根据节点degree输出节点

　　V(g)[degree(g)>3]  将图中degree大于3的节点输出

　　g是相应的图

3.

V(g) #返回图g的顶点
E(g) #返回图g的边
4.图形建立：

(1)
> g=graph(c(1,2,5,6,1,4),n=6,directed=T)
> plot(g)
(2)
>g=graph.formula(Alice-Bob-Cecil-Alice,Daniel-Cecil-Engene,Cecil-Gordon)
> plot(g)
(3)
graph.data.frame() #从数据框画图
graph.adjacency()   #从邻接矩阵创建图
(4)
erdos.renyi.game() #根据Erdos-Renyi模型生成随机图
ba.game() #根据Barabasi-Albert模型生成scale-free图
(5)
vcount(g)/ecount(g) #返回图g的定点数、边数
is.connected(g) #图g是否连通
is.clusters(g) #图g有多少分支
(6)
设置图的属性：set/get.graph/vertex/edge()  # 具体用法详见help

5.可视化
(1)plot()命令 :画普通的二维图
(2)tkplot():交互绘图命令
例：
> library(igraph)
> g=barabasi.game(100,m=1)
>id=tkplot(g,vertex.size=4,vertex.label=NA,edge.color="black",edge.arrow.size=0.7,vertex.color="red")
> coords <- tkplot.getcoords(id)
(3)rgplot:画3D图
————————————————
版权声明：本文为CSDN博主「ronghuilin」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/ronghuilin/java/article/details/53064101