R语言用igraph绘制网络图可视化

简介: R语言用igraph绘制网络图可视化

这篇文章假定你已经知道如何用igraph库建立一个基本的网络图。

基本上,igraph允许将几种类型的输入转化为一个图形对象,可以使用plot()函数绘制,如下所示。

# 创建数据
network <- graph(data , mode='undirected')
# 默认网络
plot(network)

自定义节点功能


节点可以修改几个参数,这些参数都以顶点开始。顶点是igraph语言中的一个节点。主要选项在下面的代码中解释。

vertex.frame.color = "green",            # 节点边界颜色
    vertex.shape=c("circle","square"),             # "none", "circle", "square", "rectangle", "crectangle", "vrectangle", "pie", "raster", or "sphere "之一
    vertex.size=c(15:24),                          # 节点的大小(默认是15)
    vertex.size2=NA,                               # 节点的第二个尺寸(例如,矩形的尺寸

自定义标签特征


以vertex.label.开头的选项可以设置label的特征。

vertex.label.family="Times",                   # 标签的字体(例如:"Times", 
    vertex.label.font=c(1,2,3,4),                  # 字体:1普通,2粗体,3斜体,4粗斜体,5符号
    vertex.label.cex=c(0.5,1,1.5),                 # 字体大小(乘法系数)
    vertex.label.dist=0,                           # 标签和顶点之间的距离
    vertex.label.degree=0 ,                        # 标签相对于顶点的位置(使用π)。

自定义边


用以edge开头的参数控制edge。

edge.width=seq(1,10),                        # 边宽度,默认为1
    edge.arrow.size=1,                           # 箭头大小,默认为1
    edge.arrow.width=1,                          # 箭头宽度,默认为1
    edge.lty=c("solid")                           # 线条类型,可以是0或 "空白",1或 "实线",2或 "虚线",3或 "点线"等

综合运用


当然,你可以将上述所有选项全部用在同一个图表上。


相关文章
|
2月前
|
机器学习/深度学习 数据可视化 计算机视觉
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作,并使用ResNet系列网络作为例子,展示了如何在训练过程中加入代码来绘制和保存特征图。
67 1
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
|
2月前
|
机器学习/深度学习 数据可视化 Windows
深度学习笔记(七):如何用Mxnet来将神经网络可视化
这篇文章介绍了如何使用Mxnet框架来实现神经网络的可视化,包括环境依赖的安装、具体的代码实现以及运行结果的展示。
59 0
|
4月前
|
数据可视化 数据挖掘 图形学
R语言基础可视化:使用ggplot2构建精美图形的探索
【8月更文挑战第29天】 `ggplot2`是R语言中一个非常强大的图形构建工具,它基于图形语法提供了一种灵活且直观的方式来创建各种统计图形。通过掌握`ggplot2`的基本用法和美化技巧,你可以轻松地将复杂的数据转化为直观易懂的图形,从而更好地理解和展示你的数据分析结果。希望本文能够为你探索`ggplot2`的世界提供一些帮助和启发。
|
4月前
|
数据可视化 数据挖掘 数据处理
R语言高级可视化技巧:使用Plotly与Shiny制作互动图表
【8月更文挑战第30天】通过使用`plotly`和`shiny`,我们可以轻松地创建高度互动的数据可视化图表。这不仅增强了图表的表现力,还提高了用户与数据的交互性,使得数据探索变得更加直观和高效。本文仅介绍了基本的使用方法,`plotly`和`shiny`还提供了更多高级功能和自定义选项,等待你去探索和发现。希望这篇文章能帮助你掌握使用`plotly`和`shiny`制作互动图表的技巧,并在你的数据分析和可视化工作中发挥更大的作用。
|
2月前
|
机器学习/深度学习 数据可视化 Linux
Seaborn可视化学习笔记(一):可视化神经网络权重分布情况
这篇文章是关于如何使用Seaborn库来可视化神经网络权重分布的教程,包括函数信息、测试代码和实际应用示例。
62 0
|
4月前
|
数据可视化 算法 C++
脑研究、脑网络分析、可视化的工具箱有哪些?
本文列举并简要介绍了用于脑研究、脑网络分析和可视化的多种工具箱,如Brain Connectivity Toolbox、bctpy、人类连接组项目等,为神经科学研究者提供了丰富的分析和可视化大脑网络的工具选择。
237 2
脑研究、脑网络分析、可视化的工具箱有哪些?
|
4月前
|
数据可视化
R语言可视化设计原则:打造吸引力十足的数据可视化
【8月更文挑战第30天】R语言可视化设计是一个综合性的过程,需要综合运用多个设计原则来创作出吸引力十足的作品。通过明确目标、选择合适的图表类型、合理运用色彩与视觉层次、明确标注与引导视线以及引入互动性与动态效果等原则的应用,你可以显著提升你的数据可视化作品的吸引力和实用性。希望本文能为你提供一些有益的启示和帮助。
|
4月前
|
数据采集 存储 数据可视化
基于Python 网络爬虫和可视化的房源信息的设计与实现
本文介绍了一个基于Python Scrapy框架和echart库的房源信息采集与可视化系统,该系统通过自动化爬虫提高房地产数据采集效率,并通过Flask服务器实现数据的Web可视化展示,旨在帮助房地产从业人员和政策制定者高效、直观地了解房源信息。
101 1
|
4月前
|
机器学习/深度学习 数据可视化 Python
如何可视化神经网络的神经元节点之间的连接?附有Python预处理代码
该博客展示了如何通过Python预处理神经网络权重矩阵并将其导出为表格,然后使用Chiplot网站来可视化神经网络的神经元节点之间的连接。
61 0
如何可视化神经网络的神经元节点之间的连接?附有Python预处理代码
|
4月前
|
Prometheus 监控 Cloud Native
在Linux中,如何使用Grafana和Prometheus进行网络监控和可视化?
在Linux中,如何使用Grafana和Prometheus进行网络监控和可视化?