Teoria dei grafi - analisi e visualizzazione

Non sono sicuro che il soggetto entri nell'interesse di CrossValidated. Me lo dirai

Devo studiare un grafico (dalla teoria dei grafi ) cioè. Ho un certo numero di punti collegati. Ho una tabella con tutti i punti e i punti da cui ognuno dipende. (Ho anche un altro tavolo con le implicazioni)

Le mie domande sono:
esiste un buon software (o un pacchetto R) per studiare così facilmente?
C'è un modo semplice per visualizzare il grafico?

iGraph è una libreria cross-language (R, Python, Ruby, C) molto interessante. Ti permette di lavorare con grafici non indirizzati e diretti e ha già alcuni algoritmi di analisi già implementati.

Esistono vari pacchetti per rappresentare grafici diretti e non indirizzati, matrice di incidenza / adiacenza, ecc. Oltre al grafico ; guarda ad esempio la vista Attività gR .

Per la visualizzazione e il calcolo di base, penso che il pacchetto igraph sia affidabile, oltre a Rgraphviz (su BioC come sottolineato da @Rob). Tenere presente che per il corretto funzionamento di quest'ultimo, è necessario installare anche graphviz . Il pacchetto igraph ha dei buoni algoritmi per creare buoni layout, proprio come graphviz .

Ecco un esempio di utilizzo, a partire da una matrice di adiacenza falsa:

adj.mat <- matrix(sample(c(0,1), 9, replace=TRUE), nr=3)
g <- graph.adjacency(adj.mat)
plot(g)

A parte quanto è stato detto, per il solo compito di vusualizzazione (e al di fuori di R), potresti essere interessato a controllare Gephi .

Un'altra opzione è il pacchetto statnet. Statnet ha funzioni per tutte le misure comunemente utilizzate in SNA e può anche stimare i modelli ERG. Se hai i tuoi dati in un elenco di bordi, leggi i dati come segue (supponendo che il tuo frame di dati sia etichettato "edgelist"):

net <- as.network(edgelist, matrix.type = "edgelist", directed = TRUE) #if the network is directed, otherwise: directed = FALSE

Se i tuoi dati sono in una matrice di adiacenza, sostituisci l'argomento matrix.type con "adiacenza":

net <- as.network(edgelist, matrix.type = "adjacency", directed = TRUE)

Il pacchetto statnet ha alcune ottime funzionalità di stampa. Per fare una semplice trama è sufficiente digitare:

gplot(net)

Per ridimensionare i nodi in base alla loro centralità intermedia, è sufficiente:

bet <- betweenness(net)
gplot(net, vertex.cex = bet)

Per impostazione predefinita, la funzione gplot utilizza l'algoritmo Fruchterman-Reingold per posizionare i nodi, tuttavia questo può essere controllato dall'opzione mode, ad esempio per utilizzare MDS per il posizionamento del tipo di nodi:

gplot(net, vertex.cex, mode = "mds")

o per utilizzare un layout circolare:

gplot(net, vertex.cex, mode = "circle")

Ci sono molte più possibilità e questa guida copre la maggior parte delle opzioni di base. Per un esempio autonomo:

net <- rgraph(20) #generate a random network with 20 nodes
bet <- betweenness(net) #calculate betweenness scores
gplot(net) #a simple plot
gplot(net, vertex.cex = bet/3) #nodes scaled according to their betweenness centrality, the measure is divided by 3 so the nodes don't become to big.
gplot(net, vertex.cex = bet/3, mode = "circle") #with a circle layout
gplot(net, vertex.cex = bet/3, mode = "circle", label = 1:20) #with node labels

Una domanda simile è stata posta su cstheory, anche se si è specificamente interessati ai grafici planari o alla visualizzazione bibliografica .

Gephi è già stato menzionato qui, ma è stato anche consigliato da alcuni su cstheory, quindi penso che sia una buona scelta.

Altre opzioni interessanti includono:

• Flare offre alcuni strumenti di visualizzazione davvero fantastici e crea grafica molto carina per report e documenti.
• Cyptoscape ha alcuni strumenti di analisi e visualizzazione molto potenti. È particolarmente buono per la chimica e la biologia molecolare.
• Questo sito Web fornisce collegamenti a molti altri strumenti di visualizzazione e librerie (anche se non per R).

Ho trovato NodeXL molto utile e facile da usare. È un modello MS Excel che consente di importare / esportare facilmente un grafico, formattare bordi / vertici, calcolare alcune metriche, disporre di alcuni algoritmi di clustering. Puoi usare facilmente immagini personalizzate come vertici.
Un altro strumento utile per me è stato il layout grafico automatico di Microsoft che fornisce un buon layout può essere provato online (con un browser che supporta SVG).