在同一图 Igraph 上绘制子图社区的集合
Plot Collection of communities of sub-graphs on same Graph Igraph
我在 R 中有一个非定向网络，在 igraph 中绘制时看起来像：
plot(g2)
从这个主图中，我提取了所有最小顶点数 = 4 的聚类/子图：
modules <- decompose.graph(g2, min.vertices = 4)
out <- modules[order(sapply(modules, ecount), decreasing=T)]
给予：
> head(modules)
[[1]]
IGRAPH UN-- 4 4 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 333--342 333--324 333--323 342--324
[[2]]
IGRAPH UN-- 4 4 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 27--25 27--20 25--20 25--21
[[3]]
IGRAPH UN-- 4 3 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 662--657 662--705 706--657
[[4]]
IGRAPH UN-- 4 3 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 793--792 793--795 793--794
[[5]]
IGRAPH UN-- 4 3 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 746--747 746--722 746--721
[[6]]
IGRAPH UN-- 4 3 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 285--284 285--286 287--284
我可以通过以下方式将它们绘制成一张图：
vertexes <- character()
data_frames <- list()
for(i in 1:length(out)) {
vertexes[i] <- list(vertex.attributes(out[[i]])$name)
data_frames[[i]] <- get.data.frame(out[[i]])
}
sub_nodes = unlist(vertexes)
subv <- sub_nodes
g3 <- induced.subgraph(graph=g2,vids=subv)
plot(g3)
我可以计算这个主图的介数并显示结果：
wc <- edge.betweenness.community(g3, weights = NULL
,directed = FALSE,bridges = TRUE)
plot(wc, g3)
这将每个子集群拆分为一个社区。
我想要的是为每个子集群评估的中间性:
我通过以下方式计算每个子图的介数：
betweenness_sub <- list()
for(i in 1:length(out)) {
btws <- edge.betweenness.community(out[[i]], weights = NULL
,directed = FALSE,bridges = TRUE)
print(btws)
betweenness_sub[[i]] <- btws
}
这给出：
> head(betweenness_sub)
[[1]]
IGRAPH clustering edge betweenness, groups: 2, mod: 0.17
+ groups:
$`1`
[1] "646" "647" "723"
$`2`
[1] "713" "714" "710"
[[2]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "685" "684" "686" "691" "690"
[[3]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "719" "718" "734" "753" "715"
[[4]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "702" "757" "720" "735"
[[5]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "83" "80" "88" "87" "81"
[[6]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "333" "342" "324" "323"
我可以通过以下方式单独绘制它们：
plot(betweenness_sub[[1]], out[[1]])
我现在想做的是绘制每个子集群的社区，但就像在第三个图中一样。
这次突出显示的社区将是上面列表中描述的社区..
有什么方法可以 "regroup" "combine" 或将这些单独的子图社区网格化为完整图吗？
再举一个例子，如果我们取最小顶点数 = 7，并且 运行 上面的代码我们得到：
vertexes <- character()
data_frames <- list()
for(i in 1:length(out)) {
vertexes[i] <- list(vertex.attributes(out[[i]])$name)
data_frames[[i]] <- get.data.frame(out[[i]])
}
sub_nodes = unlist(vertexes)
subv <- sub_nodes
g3 <- induced.subgraph(graph=gg,vids=subv)
plot(g3)
wc <- edge.betweenness.community(g3, weights = E(out)$value
,directed = FALSE,bridges = TRUE)
# g3 <- delete.edges(g3, wc$removed.edges[seq(length=1)])
plot(wc, g3)
然而，如果我们单独考虑最大的集群，我们得到：
plot(betweenness_sub[[1]], out[[1]])
我想要在第二张图片中计算各个集群的社区，其排列方式与第一张图片相同。有什么想法吗？
编辑 3. 用于创建上述图（最小顶点数=7）的数据如下：
> get.data.frame(g3)
from to value sourceID targetID
1 74 80 0.2829 255609 262854
2 74 61 0.2880 255609 179585
3 80 1085 0.2997 262854 3055482
4 476 502 0.2714 1442372 1475074
5 476 524 0.2963 1442372 1532560
6 476 479 0.2214 1442372 1448436
7 476 497 0.2714 1442372 1466635
8 476 498 0.2714 1442372 1467171
9 476 500 0.2714 1442372 1468099
10 502 479 0.2714 1475074 1448436
11 502 497 0.1215 1475074 1466635
12 502 498 0.1215 1475074 1467171
13 502 500 0.1215 1475074 1468099
14 524 479 0.2963 1532560 1448436
15 1045 1046 0.1842 2970629 2971615
16 1046 1085 0.2963 2971615 3055482
17 1046 1154 0.2714 2971615 3087803
18 1047 1120 0.2886 2972434 3076314
19 1085 1154 0.2577 3055482 3087803
20 1085 1187 0.2850 3055482 3101131
21 1085 1209 0.2850 3055482 3110186
22 1097 1159 0.2922 3062163 3090708
23 1097 1087 0.2256 3062163 3058341
24 1097 1158 0.2922 3062163 3090707
25 1097 1160 0.2922 3062163 3090709
26 1097 1177 0.2577 3062163 3099199
27 1098 1159 0.2922 3062164 3090708
28 1098 1087 0.2256 3062164 3058341
29 1098 1158 0.2922 3062164 3090707
30 1098 1160 0.2922 3062164 3090709
31 1098 1177 0.2577 3062164 3099199
32 1118 1119 0.1587 3076246 3076248
33 1118 1090 0.2256 3076246 3058962
34 1119 1120 0.1736 3076248 3076314
35 1119 1144 0.2035 3076248 3085240
36 1119 1145 0.2035 3076248 3085241
37 1154 1243 0.2577 3087803 3130848
38 1154 1187 0.2305 3087803 3101131
39 1154 1209 0.2305 3087803 3110186
40 1154 1244 0.2577 3087803 3131379
41 1159 1087 0.2922 3090708 3058341
42 1243 1187 0.1488 3130848 3101131
43 1243 1209 0.1488 3130848 3110186
44 1243 1244 0.1215 3130848 3131379
45 1243 1281 0.2997 3130848 3255811
> g <- graph.data.frame(get.data.frame(g3), directed=FALSE)
> gg
IGRAPH UN-- 33 45 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 74 --80 74 --61 80 --1085 476 --502 476 --524 476 --479 476 --497 476 --498 476 --500 502 --479 502 --497 502 --498
[13] 502 --500 524 --479 1045--1046 1046--1085 1046--1154 1047--1120 1085--1154 1085--1187 1085--1209 1097--1159 1097--1087 1097--1158
[25] 1097--1160 1097--1177 1098--1159 1098--1087 1098--1158 1098--1160 1098--1177 1118--1119 1118--1090 1119--1120 1119--1144 1119--1145
[37] 1154--1243 1154--1187 1154--1209 1154--1244 1159--1087 1243--1187 1243--1209 1243--1244 1243--1281
编辑 2：
可以使用 plotly 包绘制多个集群：
par(mfrow=c(2,3))
par(mar = rep(2, 2))
for(i in 1:length(out)) {
plot(betweenness_sub[[i]], out[[i]])
}
但我想知道如何使用 igraph 具体执行此操作，以保持图中所述的圆形结构。
下面是我的算法，不是很优雅，但似乎可行。基本思路是从你的 betweenness_sub 中获取组信息并将它们连接成一个大列表，例如 subs，然后使用 plot(g3, mark.groups = subs) 将整个图与来自的组信息一起绘制subs，即betweenness-sub。请注意，在我的代码中，graph 是您发布的图表 data.frame。
g2 <- graph.data.frame(graph, directed=FALSE)
modules <- decompose.graph(g2, min.vertices = 7)
out <- modules[order(sapply(modules, ecount), decreasing=T)]
vertexes <- character()
data_frames <- list()
for(i in 1:length(out)) {
vertexes[i] <- list(vertex.attributes(out[[i]])$name)
data_frames[[i]] <- get.data.frame(out[[i]])
}
sub_nodes = unlist(vertexes)
subv <- sub_nodes
g3 <- induced.subgraph(graph=g2,vids=subv)
plot(g3)
wc <- edge.betweenness.community(g3, weights = NULL
,directed = FALSE,bridges = TRUE)
plot(wc, g3)
betweenness_sub <- list()
for(i in 1:length(out)) {
btws <- edge.betweenness.community(out[[i]], weights = NULL
,directed = FALSE,bridges = TRUE)
print(btws)
betweenness_sub[[i]] <- btws
}
subs <- list()
k <- 1
for (sub in betweenness_sub) {
for (i in 1:length(sub)) {
subs[[k]] <- sub[[i]]
k = k + 1
}
}
plot(g3, mark.groups = subs)
我在 R 中有一个非定向网络，在 igraph 中绘制时看起来像：
plot(g2)
从这个主图中，我提取了所有最小顶点数 = 4 的聚类/子图：
modules <- decompose.graph(g2, min.vertices = 4)
out <- modules[order(sapply(modules, ecount), decreasing=T)]
给予：
> head(modules)
[[1]]
IGRAPH UN-- 4 4 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 333--342 333--324 333--323 342--324
[[2]]
IGRAPH UN-- 4 4 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 27--25 27--20 25--20 25--21
[[3]]
IGRAPH UN-- 4 3 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 662--657 662--705 706--657
[[4]]
IGRAPH UN-- 4 3 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 793--792 793--795 793--794
[[5]]
IGRAPH UN-- 4 3 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 746--747 746--722 746--721
[[6]]
IGRAPH UN-- 4 3 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 285--284 285--286 287--284
我可以通过以下方式将它们绘制成一张图：
vertexes <- character()
data_frames <- list()
for(i in 1:length(out)) {
vertexes[i] <- list(vertex.attributes(out[[i]])$name)
data_frames[[i]] <- get.data.frame(out[[i]])
}
sub_nodes = unlist(vertexes)
subv <- sub_nodes
g3 <- induced.subgraph(graph=g2,vids=subv)
plot(g3)
我可以计算这个主图的介数并显示结果：
wc <- edge.betweenness.community(g3, weights = NULL
,directed = FALSE,bridges = TRUE)
plot(wc, g3)
这将每个子集群拆分为一个社区。
我想要的是为每个子集群评估的中间性:
我通过以下方式计算每个子图的介数：
betweenness_sub <- list()
for(i in 1:length(out)) {
btws <- edge.betweenness.community(out[[i]], weights = NULL
,directed = FALSE,bridges = TRUE)
print(btws)
betweenness_sub[[i]] <- btws
}
这给出：
> head(betweenness_sub)
[[1]]
IGRAPH clustering edge betweenness, groups: 2, mod: 0.17
+ groups:
$`1`
[1] "646" "647" "723"
$`2`
[1] "713" "714" "710"
[[2]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "685" "684" "686" "691" "690"
[[3]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "719" "718" "734" "753" "715"
[[4]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "702" "757" "720" "735"
[[5]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "83" "80" "88" "87" "81"
[[6]]
IGRAPH clustering edge betweenness, groups: 1, mod: 0
+ groups:
$`1`
[1] "333" "342" "324" "323"
我可以通过以下方式单独绘制它们：
plot(betweenness_sub[[1]], out[[1]])
我现在想做的是绘制每个子集群的社区，但就像在第三个图中一样。
这次突出显示的社区将是上面列表中描述的社区..
有什么方法可以 "regroup" "combine" 或将这些单独的子图社区网格化为完整图吗？
再举一个例子，如果我们取最小顶点数 = 7，并且 运行 上面的代码我们得到：
vertexes <- character()
data_frames <- list()
for(i in 1:length(out)) {
vertexes[i] <- list(vertex.attributes(out[[i]])$name)
data_frames[[i]] <- get.data.frame(out[[i]])
}
sub_nodes = unlist(vertexes)
subv <- sub_nodes
g3 <- induced.subgraph(graph=gg,vids=subv)
plot(g3)
wc <- edge.betweenness.community(g3, weights = E(out)$value
,directed = FALSE,bridges = TRUE)
# g3 <- delete.edges(g3, wc$removed.edges[seq(length=1)])
plot(wc, g3)
然而，如果我们单独考虑最大的集群，我们得到：
plot(betweenness_sub[[1]], out[[1]])
我想要在第二张图片中计算各个集群的社区，其排列方式与第一张图片相同。有什么想法吗？
编辑 3. 用于创建上述图（最小顶点数=7）的数据如下：
> get.data.frame(g3)
from to value sourceID targetID
1 74 80 0.2829 255609 262854
2 74 61 0.2880 255609 179585
3 80 1085 0.2997 262854 3055482
4 476 502 0.2714 1442372 1475074
5 476 524 0.2963 1442372 1532560
6 476 479 0.2214 1442372 1448436
7 476 497 0.2714 1442372 1466635
8 476 498 0.2714 1442372 1467171
9 476 500 0.2714 1442372 1468099
10 502 479 0.2714 1475074 1448436
11 502 497 0.1215 1475074 1466635
12 502 498 0.1215 1475074 1467171
13 502 500 0.1215 1475074 1468099
14 524 479 0.2963 1532560 1448436
15 1045 1046 0.1842 2970629 2971615
16 1046 1085 0.2963 2971615 3055482
17 1046 1154 0.2714 2971615 3087803
18 1047 1120 0.2886 2972434 3076314
19 1085 1154 0.2577 3055482 3087803
20 1085 1187 0.2850 3055482 3101131
21 1085 1209 0.2850 3055482 3110186
22 1097 1159 0.2922 3062163 3090708
23 1097 1087 0.2256 3062163 3058341
24 1097 1158 0.2922 3062163 3090707
25 1097 1160 0.2922 3062163 3090709
26 1097 1177 0.2577 3062163 3099199
27 1098 1159 0.2922 3062164 3090708
28 1098 1087 0.2256 3062164 3058341
29 1098 1158 0.2922 3062164 3090707
30 1098 1160 0.2922 3062164 3090709
31 1098 1177 0.2577 3062164 3099199
32 1118 1119 0.1587 3076246 3076248
33 1118 1090 0.2256 3076246 3058962
34 1119 1120 0.1736 3076248 3076314
35 1119 1144 0.2035 3076248 3085240
36 1119 1145 0.2035 3076248 3085241
37 1154 1243 0.2577 3087803 3130848
38 1154 1187 0.2305 3087803 3101131
39 1154 1209 0.2305 3087803 3110186
40 1154 1244 0.2577 3087803 3131379
41 1159 1087 0.2922 3090708 3058341
42 1243 1187 0.1488 3130848 3101131
43 1243 1209 0.1488 3130848 3110186
44 1243 1244 0.1215 3130848 3131379
45 1243 1281 0.2997 3130848 3255811
> g <- graph.data.frame(get.data.frame(g3), directed=FALSE)
> gg
IGRAPH UN-- 33 45 --
+ attr: name (v/c), value (e/n), sourceID (e/n), targetID (e/n)
+ edges (vertex names):
[1] 74 --80 74 --61 80 --1085 476 --502 476 --524 476 --479 476 --497 476 --498 476 --500 502 --479 502 --497 502 --498
[13] 502 --500 524 --479 1045--1046 1046--1085 1046--1154 1047--1120 1085--1154 1085--1187 1085--1209 1097--1159 1097--1087 1097--1158
[25] 1097--1160 1097--1177 1098--1159 1098--1087 1098--1158 1098--1160 1098--1177 1118--1119 1118--1090 1119--1120 1119--1144 1119--1145
[37] 1154--1243 1154--1187 1154--1209 1154--1244 1159--1087 1243--1187 1243--1209 1243--1244 1243--1281
编辑 2：
可以使用 plotly 包绘制多个集群：
par(mfrow=c(2,3))
par(mar = rep(2, 2))
for(i in 1:length(out)) {
plot(betweenness_sub[[i]], out[[i]])
}
但我想知道如何使用 igraph 具体执行此操作，以保持图中所述的圆形结构。
下面是我的算法，不是很优雅，但似乎可行。基本思路是从你的 betweenness_sub 中获取组信息并将它们连接成一个大列表，例如 subs，然后使用 plot(g3, mark.groups = subs) 将整个图与来自的组信息一起绘制subs，即betweenness-sub。请注意，在我的代码中，graph 是您发布的图表 data.frame。
g2 <- graph.data.frame(graph, directed=FALSE)
modules <- decompose.graph(g2, min.vertices = 7)
out <- modules[order(sapply(modules, ecount), decreasing=T)]
vertexes <- character()
data_frames <- list()
for(i in 1:length(out)) {
vertexes[i] <- list(vertex.attributes(out[[i]])$name)
data_frames[[i]] <- get.data.frame(out[[i]])
}
sub_nodes = unlist(vertexes)
subv <- sub_nodes
g3 <- induced.subgraph(graph=g2,vids=subv)
plot(g3)
wc <- edge.betweenness.community(g3, weights = NULL
,directed = FALSE,bridges = TRUE)
plot(wc, g3)
betweenness_sub <- list()
for(i in 1:length(out)) {
btws <- edge.betweenness.community(out[[i]], weights = NULL
,directed = FALSE,bridges = TRUE)
print(btws)
betweenness_sub[[i]] <- btws
}
subs <- list()
k <- 1
for (sub in betweenness_sub) {
for (i in 1:length(sub)) {
subs[[k]] <- sub[[i]]
k = k + 1
}
}
plot(g3, mark.groups = subs)