全文链接：http://tecdat.cn/?p=30961
原文出处：拓端数据部落公众号
我们围绕网络可视化分析技术进行一些咨询，帮助客户解决独特的业务问题。
为了分析电视台时间关系形态变化，我们获取了电视台合播电视剧数量数据：
1、黄色的方格内，数字大小表示为节点面积，即该电视台独播电视剧数量
2、白色的方格内，数字大小表示为连接强弱，可以为具体若干条连线、或连线的透明度、或连线的粗细，即这两个电视台合播电视剧数量
3、整体呈现，可以看到两年同样电视台的关系形态变化，输出一些网络分析的指标
2020年数据
读取文件
library(igraph);
network= as.matrix(data)[,-1]
network=apply(network,1,as.numeric)给点的名称赋值
enames=colnames(data)[-1]
events =network将对角线的元素赋值为0
diag(events)=0生成网络图格式
for(i in 1:n) {
for(j in i:n) {
s = paste(c(as.character(i), as.character(j),
as.character(monopartite[i,j]), "\r"), collapse=" ")
write(s, file=f, append=TRUE, sep="")
}
}读取网络图格式文件
e=read.graph("events.net",对边进行删减，减去连接很小的边
if(is.null(E(graph)$weight)) stop("No weights for censoring the edges!")
es = E(graph)[E(graph)$weightceiling]
newgraph = graph - es
newgraph = newgraph
给每个边的宽度进行赋值，用粗细表示
plot(newe, vertex.size=diag(network), vertex.shape="square", vert对图进行删减，删去连接少的边
newe = censor.edgeweight(e, floor=2); newe## IGRAPH UNW- 25 91 -- 给每个边的宽度进行赋值，用粗细表示
E(newe)$width = E(newe)$weight2021年数据
head(data)## X1 湖南卫视 浙江卫视 江苏卫视 北京卫视 上海东方卫视 山东卫视
## 1 湖南卫视 24 1 0 0 0 0
## 2 浙江卫视 1 5 3 1 3 1
## 3 江苏卫视 0 3 7 1 2 1
## 4 北京卫视 0 1 1 4 5 1
## 5 上海东方卫视 0 3 2 5 5 3
## 6 山东卫视 0 1 1 1 3 3
## 安徽卫视 天津卫视 江西卫视 湖北卫视 深圳卫视 云南卫视 黑龙江卫视
## 1 0 0 0 0 0 0 0
## 2 2 1 0 0 2 0 0
## 3 1 2 0 1 0 0 0
## 4 1 0 0 0 1 0 0
## 5 3 3 0 0 0 1 0
## 6 2 3 3 2 0 2 2
## 广东卫视 重庆卫视 贵州卫视 四川卫视 辽宁卫视 河北卫视 河南卫视 东南卫视
## 1 0 0 0 0 0 0 0 1
## 2 0 0 2 0 0 0 0 0
## 3 0 1 0 0 0 1 0 0
## 4 1 0 0 1 0 1 1 0
## 5 0 1 0 0 0 0 0 0
## 6 0 0 1 0 3 1 1 0
## 吉林卫视 广西卫视 央视一套 央视八套
## 1 0 0 0 0
## 2 0 0 0 0
## 3 0 0 1 0
## 4 0 0 0 0
## 5 0 0 0 0
## 6 0 0 0 0给点的名称赋值
enames=colnames(data)[-1]将对角线的元素赋值为0
diag(events)=0生成网络图格式
s = paste(c("*vertices ", as.character(n), "\r\n*edges\r"), collapse="")
write(s, file=f, sep="")
for(i in 1:n) {
for(j in i:n) {
s = paste(c(as.character(i), as.character(j),读取网络图格式文件
e=read.graph("events.net", format="pajek")对边进行删减，减去连接很小的边
if(is.null(E(graph)$weight)) stop("No weights for censoring the edges!")
es = E(graph)[E(graph)$weightceiling] 给每个边的宽度进行赋值，用粗细表示
plot(newe, vertex.size=diag(network), vertex.shape="square", 对图进行删减，删去连接少的边
newe = censor.edgeweight(e, floor=2); newe## IGRAPH UNW- 25 27 --
## + attr: name (v/c), weight (e/n)给每个边的宽度进行赋值，用粗细表示
E(newe)$width = E(newe)$weight
vertex.label.degree=pi/2, layout=layout.circle)最受欢迎的见解
1.[](http://tecdat.cn/r%e8%af%ad%e...)R语言动态图可视化：如何、创建具有精美动画的图
3.[](http://tecdat.cn/r%e8%af%ad%e...)Python数据可视化-seaborn Iris鸢尾花数据
4.[](http://tecdat.cn/r%e8%af%ad%e...)r语言对布丰投针（蒲丰投针）实验进行模拟和动态
6.[](http://tecdat.cn/r%e8%af%ad%e...)r语言数据可视化分析案例：探索brfss数据数据分析
7.[](http://tecdat.cn/r-%e8%af%ad%...)R语言动态可视化：制作历史全球平均温度的累积动态折线图动画gif视频图
8.[](http://tecdat.cn/r%e8%af%ad%e...)R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告
9.[](http://tecdat.cn/r%e8%af%ad%e...)python主题LDA建模和t-SNE可视化