社交网络分析的 R 基础：（五）图的导入与简单分析

admin

- Q0 ]2 z5 U( b<p>如何将存储在磁盘上的邻接矩阵输入到 R 程序中，是进行社交网络分析的起点。在前面的章节中已经介绍了基本的数据结构以及代码结构，本章将会面对一个实质性问题，学习如何导入一个图以及计算图的一些属性。</p>
<ul>
<li><a  href="https://www.cnblogs.com/zhanggaoxing/p/15870841.html">图的文件表示</a></li>
/ Z: c  t; R, e$ Y5 l<li><a  href="https://www.cnblogs.com/zhanggaoxing/p/15870841.html">导入一个图</a></li>
<li><a  href="https://www.cnblogs.com/zhanggaoxing/p/15870841.html">生成人工网络</a></li>
<li><a  href="https://www.cnblogs.com/zhanggaoxing/p/15870841.html">图的基本分析</a></li>
</ul>
<h2 id="图的文件表示">图的文件表示</h2>
<p>在计算机中，最常见的两种表示图的基本结构是<strong>邻接矩阵</strong>和<strong>邻接表</strong>。以最简单的无权无向图为例，邻接矩阵中第 <span class="math inline">\(i\)</span> 行第 <span class="math inline">\(j\)</span> 列的元素 <span class="math inline">\(a_{ij}\)</span> 如果等于 1，则表示顶点 <span class="math inline">\(i\)</span> 和顶点 <span class="math inline">\(j\)</span> 之间有边，即邻接矩阵将所有节点之间的关系都表示出来。邻接表则是对顶点 <span class="math inline">\(i\)</span> 建立一个单链表，这个单链表由顶点 <span class="math inline">\(i\)</span> 的所有邻居节点构成，即邻接表只是把存在关系的节点表示出来。</p>
' M/ {6 S6 C) ?8 m3 \* X6 _<p>网络上许多公开的数据集更常使用<strong>三元组</strong>去表示一个图。下面是一个三元组的示例，以第一行的三元组 (1, 2, 1) 为例，它表示有一条从顶点 1 指向顶点 2 的边，并且该边的权重为 1。对于无权图而言，通常会省略三元组中的第三个元素。</p>
<pre><code class="language-text">1        2        1
' u5 K2 Q( s* i" ~1        3        -1
2 _+ O5 I( n& A# z1 a# c" A2        3        -1
0 J: F4 i1 v: y- p$ ]1        4        -1
3        4        1
- M+ K7 {6 ]1 g0 X5 r. q</code></pre>
" l6 w1 ^3 ?3 {+ z: d% q<div style="display: block; position: relative; border-radius: 8px; padding: 1rem; background-color: rgba(210, 249, 210, 1); color: rgba(9, 68, 9, 1); margin: 10px">
    <p style="margin-top: 0; font-weight: bold">