通过R让你的复杂网络图更具艺术感-阿里云开发者社区

开发者社区> 小旋风柴进> 正文

通过R让你的复杂网络图更具艺术感

简介:
+关注继续查看

一、引子:

前段时间有幸听到了张溪梦老师的公开演讲,他归纳了一名数据科学家应该具备的能力:创新能力、勇气、科学、技术、商业、人文、艺术。从经常听到的数据科学家的三种基本能力即分析能力、专业能力、IT能力外延到了人文、艺术,呵呵,大家顿时产生了一种高尚大的自豪感。

回来后团队的美女分析师就找到了我,对话如下:“leader,我有些想法!”“汗,难不成要跳槽…”我内心有些不安,“说吧~”我故作镇定。“我觉得可以把报告中的这个图(见图一)美化下”她指了指电脑上的报告。“去吧,去吧,我支持你,弄好了咱们再讨论”我心安了……

0?wx_fmt=png
图一 两种应用使用人数的示意图

两天后,她自信满满的回来找我了,带来了下面这张图:

0?wx_fmt=png
图二 改进后的两种应用使用人数的示意图

“我觉得可以尝试使用社交关系图来表示应用人数和之间的交叠关系,这样更加美观,特别是当应用较多的时候。”她一语中的道。“嗯嗯”,我一边应付她,一边在脑子里飞快的回忆社交关系图的特点,“在反映大量人群或事物之间的关系时,社交网络图可以清晰的展示’群体’的内含和外延。例如,群体的规模、核心、与其他群体的交叠情况。“我同意了她的想法,开始试验!


二、数据的准备:

1、首先,编造一份原始数据,文件名是app_sub.txt,数据格式如下:

编号,应用名称

11111,滴滴打车

99999,美图秀秀

99999,微信

99999,优酷

22222,淘宝

22222,滴滴打车

22222,大众点评

……

代表有2980名用户使用APP的情况,各位在自行练习时可以采用随机函数来生成号码清单。

运行环境说明:R 3.1.1

2.利用R读入数据。

read.table("app_sub.txt",essay-header= FALSE,sep = ",",colClasses =c("character","character"))->g

3.去除NA值

g1<-na.omit(g)


三、开始绘制简单的社交关系图:

1.简单的社交网络

library(igraph) #加载igraph包

x<-par(bg="black") #设置背景颜色为黑色

g2 = graph.data.frame(d = g1,directed = F); #数据格式转换

V(g2) #查看顶点

E(g2) #查看边

2.不对顶点和边的格式做调整,使用layout.fruchterman.reingold方式呈现图形。

plot(g2,layout=layout.fruchterman.reingold,vertex.label=NA) #显示网络图

0?wx_fmt=png
图二 初步的网络图

上面的社交网络图中大部分顶点重叠在一起,根本不能看出社交网络中顶点之间的连接关系。下面需要对顶点和边的格式做调整。

3.对顶点和边的格式做调整

设置vertex.size来调整顶点大小, 设置vertex.color来改变显示颜色。

plot(g2,layout=layout.fruchterman.reingold,vertex.size=2, vertex.color="red",edge.arrow.size=0.05,vertex.label=NA) #设置vertex大小和颜色后显示网络图

0?wx_fmt=png
图二 改进后的网络图

上图中顶点明显归属于某个或某几个社区。但所有的点都是同一个颜色,不能直观呈现出社区的概念。


四、划分网络图中的社区:

1.利用igraph自带的社区发现函数实现社区划分Igraph包中社区分类函数有以下几种:


fastgreedy.community


spinglass.community


edge.betweenness.community


leading.eigenvector.community


walktrap.community


label.propagation.community


clique.community


multilevel.community

不同的分类算法,速度和适用社区网络大小都有所侧重。对于同一网络,采用什么样的分类算法需要实践后去人工判断是否符合预期。

下面利用只有两个社区网络的数据来验证walktrap.community和edge.betweenness.community分类结果的不同之处。

下图是walktrap算法,step=10的情况下得出的结果。原本的2个社区网络被分为66类。把两个大社区分成了一类,把两大社区重叠的部分分成了很多类。显然这不是我们所希望看到的分类结果。可见walktrap算法不太适合网络数量较小的情况。

0?wx_fmt=png
图三 walktrap算法的呈现

下图是edge.betweenness算法的出的结果。社区网络被分成两类

0?wx_fmt=png
图四 edge.betweenness算法算法的呈现

2.美化图形(以顶点分类)

利用walktrap.community进行社区划分,对不同的社区赋值不同的颜色。为了呈现更多的点和线的关系,我们采用了透明化的处理方式。

com = walktrap.community(g2, steps = 10)V(g2)$sg=com$membershipV(g2)$color = rainbow(max(V(g2)$sg),alpha=0.8)[V(g2)$sg]plot(g2,layout=layout.fruchterman.reingold, vertex.size=1,vertex.color=V(g2)$color, edge.width=0.4,edge.arrow.size=0.08,edge.color = rgb(1,1,1,0.4),vertex.frame.color=NA,margin= rep(0, 4),vertex.label=NA)

0?wx_fmt=png
图五 透明化处理后的网络图


五、完成最终的效果图:

1.美化图形(以边线分类)

另一种呈现方式,是点的颜色不变,将不同社区的连线颜色分类。

E(g1)$color=V(g1)[name=ends(g1,E(g1))[,2]]$color #为edge的颜色赋值V(g1)[grep("1", V(g1)$name)]$color=rgb(1,1,1,0.8) #为vertex的颜色赋值plot(g1,layout=layout.fruchterman.reingold, vertex.size=V(g1)$size, vertex.color= V(g1)$color, edge.width=0.3,edge.color = E(g1)$color,vertex.frame.color=NA,margin= rep(0, 4),vertex.label=NA)

0?wx_fmt=png
图六 最终效果图

通过上图可以看出本次实验数据中用户体量最大的APP分别是:微信、微博、淘宝、京东。社区交汇的点表示每两个APP之间的共有用户。例如,微信和微博的共有用户位于上图右上角橘黄色线条和黄色线条的交汇处。

社交网络图是近年来展示复杂网络的一种直观的方式。利用社区发现算法对复杂网络进行聚类,可以挖掘出复杂网络包含的深层意义。例如,发现公司组织架构的相关性,利用群体相似性进行“猜你喜欢”的推荐活动。

好了,我和美女分析师的故事讲完了,各位慢慢消化上面的内容,有问题欢迎随时提问,我去补中国美术史和基础绘画技巧。


原文发布时间为:2015-10-07

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
阿里云服务器怎么设置密码?怎么停机?怎么重启服务器?
如果在创建实例时没有设置密码,或者密码丢失,您可以在控制台上重新设置实例的登录密码。本文仅描述如何在 ECS 管理控制台上修改实例登录密码。
10089 0
阿里云服务器如何登录?阿里云服务器的三种登录方法
购买阿里云ECS云服务器后如何登录?场景不同,阿里云优惠总结大概有三种登录方式: 登录到ECS云服务器控制台 在ECS云服务器控制台用户可以更改密码、更换系.
13892 0
与众不同 windows phone (37) - 8.0 文件系统: StorageFolder, StorageFile, 通过 Uri 引用文件, 获取 SD 卡中的文件
原文:与众不同 windows phone (37) - 8.0 文件系统: StorageFolder, StorageFile, 通过 Uri 引用文件, 获取 SD 卡中的文件 [源码下载] 与众不同 windows phone (37) - 8.
745 0
2736
文章
6591
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载