一个月前用R语言练习了一下社会网络分析，现在总结一下。这里面的有效信息有线条粗细、箭头方向、节点大小、节点颜色。
这是结果图，字母代表不同的人，连线代表两人的联系（可以以电话通话作为代表），箭头代表的是联系的方向，如果一根线上上有双向箭头，如A和C，意味着两人互相都给对方打过电话，双向都存在联系。如果只有单向箭头，如B和G，意味着B给G打过电话，G没有给B打过电话，是单向联系。故而，双向联系，显然可以表明两者的关系更亲密。
除了单项联系和双项联系可以表明两者的关系亲疏外，线条的粗细，表明了两者联系的频率。显然，线条越粗，频率越高，两者关系更亲密。
因此，根据单向/双向联系和频率这两个维度，可以简单将人际关系划分为四种类型。
1.频率低，单向联系
2.频率低，双向联系
3.频率高，单向联系
4.频率高，双向联系
如果就亲密度而言，2和3哪个亲密度更高，可能需要进一步的分析。但实际上，这四种类型除了用来代表亲密度，还可以用来代表很多别的关系，看诸位感兴趣的主题和领域。
此外，节点的不同大小，也代表了不同的信息。节点越大，意味着与这个节点相关的联系越多。就人际关系而言，节点越大，意味着这个人的朋友圈更高，可以认为这个人是一个中心节点。
再此外，节点的不同颜色，在这个例子中，代表了不同的地域，或者领域，这个例子有三种颜色，意味着所有的人来自这三个地域。通过颜色可以显然看出哪一种地域的人在这个网络中人数最多，也可以验证是否存在地域上的连接：如果这个社会网络中的人更注重地域观念，那么这些人更有可能按照地域差别形成不同的网络。
以下是代码部分：
##准备工作
df<-data.frame(S=c("A","B","C","C","D","C"),D=c("C","G","E","A","F","L"),N=c("3","4","9","4","6","2"))
as_data_frame(df,what=c("both"))
net_pc<-graph_from_data_frame(df,directed=TRUE,vertices=NULL)
## directed=TRUE 意味着线条有方向性，如果没有方向性可以设置为null
net_pc
V(net_pc)
E(net_pc)
plot(net_pc)
##设置权重（决定线条粗细）
E(net_pc)$weight<-df$N
E(net_pc)$weight
##添加地域信息
location<-data.frame(b=c("d","a"),loc=c("west","west","north","north","south","south","west","west"))
fac_loc<-factor(location$loc)
V(net_pc)$location<-fac_loc
V(net_pc)$location
##设置点的大小/中心度
deg<-degree(net_pc,mode="all")
##设置颜色
vcolor<-c("orange","red","lightblue","yellow")
vcolor[1]
V(net_pc)$location[1]
##指定节点的颜色
V(net_pc)[V(net_pc)$location %in% 1]$color<-vcolor[1]
V(net_pc)[V(net_pc)$location %in% 2]$color<-vcolor[2]
V(net_pc)[V(net_pc)$location %in% 3]$color<-vcolor[3]
##指定边的宽度，宽度等于权重
E(net_pc)$width<-E(net_pc)$weight
##开始绘图咯
plot(net_pc,vertex.size=5*deg,vertex.label.cex=.9,vertex.label.dist=2,
edge.color="gray50",
edge.arrow.size=1.5,
edge.curve=.3)
##再加一个图例
legend(x=1.5,y=1.5,inset=0.5,title="Region",c("north","south","west"),
pch=21,col="#777777",pt.bg=vcolor)
顺便再附一个没有写完的另一个社会网络的代码和图（如果有大神写完可以交流很great）：
actors <- data.frame(name=c("Alice", "Bob", "Cecil", "David",
"Esmeralda"),
age=c(48,33,45,34,21),
gender=c("F","M","F","M","F"))
relations <- data.frame(from=c("Bob", "Cecil", "Cecil", "David",
"David", "Esmeralda"),
to=c("Alice", "Bob", "Alice", "Alice", "Bob", "Alice"),
same.dept=c(FALSE,FALSE,TRUE,FALSE,FALSE,TRUE),
friendship=c(4,5,5,2,1,1), advice=c(4,5,5,4,2,3))
g <- graph_from_data_frame(relations, directed=TRUE, vertices=actors)
g
plot(g)
E(g)$weight