R语言︱SNA-社会关系网络 R语言实现专题（基础篇）（一）
笔者寄语：这里所有的应用代码都来自与igraph包。《R语言与网站分析》书中第九章关系网络分析把大致的框架已经描述得够清楚，但是还有一些细节需要完善，而且该书笔者没找到代码。。。
————————————————————————————————————————
一、关系网络数据类型
关系网络需要什么样子的数据呢？ 笔者接触到了两种数据结构，擅自命名：平行关系型、文本型。根据数据关联，也有无向数据、有向数据。
并且关系网络生成之后，R里面就不是用真实的名字来做连接，是采用编号的。例如（小明-小红）是好朋友，在R里面就显示为（1-2），所以需要单独把名字属性加到序号上。
1、平行关系型
（1）无向平行数据。直接上例子比较直观，社交网络中的好友关系，你-我，我-他。这样排列，是无向
id1 di2 小明 小红 小张 小白 小红 小胖 小胖 小蓝 小白 小明 小白 小张 小明 小胖
很简单的两列数据，说明了小明-小红、小张-小白的社会关系。当然需要注意，重名问题，名字可能有重叠，可以给每个人一个编号，这样就不会出现重名。
实战中，一般是拿编号作为输入变量，拿名字作为编号的标签，加入到关系网络中。
（2）有向平行数据。举一个书（《R语言与网站分析》）上的例子。解读一下这个图，这是一条微博的转发情况，“老牛”用户这个微博号转发，让“晴”、“四眼看八方”两个用户看到了。
“老牛”用户发出，“晴”、“四眼看八方”用户分别接收到。
2、文本型
文本型主要针对的是文本数据，笔者在参赛时就用到这个。文本型也有两种情况：有向型以及词条-文本矩阵。这部分内容跟文本挖掘相关，关于分词内容可以参考中文分词包Rwordseg。
（1）有向型就如同平行关系型有向数据结构一样，人名-词条两个
| 人名 | 词条 |
| 小明 | 小气 |
| 小张 | 帅气 |
| 小红 | 好看 |
| 小胖 | 胖 |
| 小白 | 帅气 |
| 小白 | 阳光 |
| 小明 | 贪吃 |
（2）词条-文本矩阵
文本挖掘中，一般都能获得这个矩阵，可以看一下tm包的博客，文档-词频矩阵。tm包中用DocumentTermMatrix函数可以获得。
| 小气 | 帅气 | 好看 | 胖 | 阳光 | 贪吃 | |
| 小明 | 1 | 0 | 0 | 0 | 1 | |
| 小张 | 0 | 1 | 0 | 0 | 0 | 0 |
| 小红 | 0 | 0 | 1 | 0 | 0 | 0 |
| 小胖 | 0 | 0 | 0 | 1 | 0 | 0 |
| 小白 | 0 | 1 | 0 | 0 | 1 | 0 |
跟上面的对比一下就了解，变成了一个稀疏矩阵，相关的关联规则、随机森林中中也会用到这个矩阵。tm包可以实现，也可以通过reshape包中的cast函数，构造这个函数。
需要原来的数据框调整为以每个词作为列名称（变量）的数据框。也就是一定意义上的稀疏矩阵（同关联规则），也就是将long型数据框转化为wide型数据框。转换可以用的包有reshape2以及data.table。
其中，data.table里的`dcast`函数比reshape2包里的`dcast`好用，尽管他们的参数都一样，但是很多人还是比较喜欢老朋友reshape2包,然而这一步需要大量的内存，本书在服务器上完成的，如果你的电脑报告内存不足的错误，可以使用data.table包里的`dcast`函数试试。转化为稀疏矩阵，1表示访问，0表示未访问。
————————————————————————————————————————
二、构造关系网络
1、自编译函数init.igraph
看到了数据类型，大概知道其实需要两样东西，一个起点数据列、一个终点数据列。那么构造数据就只需要调用一下函数，在这里选用《R语言与网站分析》书中第九章关系网络分析中，李明老师自己编译的函数来直接构造。
在使用之前需要library调用igraph包，该函数的好处就是直接帮你打上点标签以及线标签。
init.igraph<-function(data,dir=F,rem.multi=T){
labels<-union(unique(data[,1]),unique(data[,2]))
ids<-1:length(labels);names(ids)<-labels
from<-as.character(data[,1]);to<-as.character(data[,2])
edges<-matrix(c(ids[from],ids[to]),nc=2)
g<-graph.empty(directed = dir)
g<-add.vertices(g,length(labels))
V(g)$label=labels
g<-add.edges(g,t(edges))
if (rem.multi){
E(g)$weight<-count.multiple(g)
g<-simplify(g,remove.multiple = TRUE,
remove.loops = TRUE,edge.attr.comb = "mean")
}
g
}
这个函数有这么几个参数：
data,是两列关系数据，前面已经讲过了，只能两列，而且要同等长度；
dir，逻辑值，T代表有向图，F无向图；
rem.multi，逻辑，T删除重复变量并更新线权重weight，F不删除并且线权重为1。
使用方法直接init.igraph(data，dir=T,rem.multi=T)即可。
2、文本型数据
一般数据结构都可以套用上面的函数，包括平行关系型的有向、无向；文本型。其中对于文本矩阵型数据还有一个办法，参考于统计词画番外篇（一）：谁共我，醉明月？
利用igragh包中的graph_from_adjacency_matrix函数。
adjm <- matrix(sample(0:1, 100, replace=TRUE, prob=c(0.9,0.1)), nc=10) g1 <- graph_from_adjacency_matrix( adjm ,weighted=TRUE,mode="undirected") ## 给稀疏矩阵行列进行命名 rownames(adjm) <- sample(letters, nrow(adjm)) colnames(adjm) <- seq(ncol(adjm)) g10 <- graph_from_adjacency_matrix(adjm, weighted=TRUE, add.rownames="row",add.colnames="col")
代码解读：adjm是随便构造的一个矩阵，函数；
graph_from_adjacency_matrix中，
weighted=TRUE，是否需要加入权重；
mode有directed, undirected, upper, lower, max, min, plus有这么几种，min代表把无向图中，只选取最小数字的线（1,1）与（1,2）只选择（1,1）。具体请参看函数官方解释。
add.rownames以及add.colnames，因为前面的自编译函数init.igraph可以自定义标签，这里定义名称，可以用add.rownames加入标签列，这样你可以用V（g10）$row以及V（g10）$col直接看到标签。其中还可以自己定义名字，row，col都是笔者自己定义的。
————————————————————————————————————————
三、一些基本操作
关系网络中，每一个点的信息存放在V中，每一个线的信息存放在E中。并且通过自编译的init.igraph函数，V（g）$label以及E(g)$weight都是自带的属性。
可以生成一个空的关系网络。
并且关系网络生成之后，R里面就不是用真实的名字来做连接，是采用编号的。例如（小明-小红）是好朋友，在R里面就显示为（1-2），所以需要单独把名字属性加到序号上。
g<-graph.empty(directed=F)
1、关系网络中的点集V
点集就是网络中所有的点，如有向文本型那个数据格式，包括了14个点；7条线。
（1）点集属性
点集与数据框的操作很相似，属性是可以自己赋上去的，比如V（g）$label就是赋上去的，你还可以给点集加上颜色（V(g)$color）、加上每个点的尺寸(V(g)$size)，加上分类（V(g)$member）
点集的选择跟数据框操作一样，比如我要选择群落为1的点集，就是V(g)[which(V(g)$member==1)]
比如我要选择点度数大于1的点集，V(g)[degree(g)>1]
如果我想知道一下这两个点之间是否有关系，可以用edge.connectivit函数，edge.connectivity(g, 4,9) 代表着第四个点与第九个点之间是否有连接关系。返回的0/1。0是没有线，1代表有线。
（2）点集加减操作
我想在原来的基础上加入一些点，用add.vertices
g<-add.vertices(g,length(labels))#关系网络中加入“点”如果我想减去点度数为0的点
g<-g-V(g)[degree(g)==0]
（3）相邻点的集合——neighbors（很重要）
neighbors(g.zn,v=which(V(g.zn)$label=="会计")) V(g.zn)$label[neighbors(g.zn,v=which(V(g.zn)$label=="取向"),mode="total")] #默认mode设置是out，还有 in,total；其中V(g.zn)$label和V(g.zn)一个返回标签，一个返回值eighbors可以找出标签如果是“会计”的点，与之有关系的点的序号是啥；不过你也可以通过V（g.zn）$label让临近点的标签一起筛选出来
其中mode代表点出度（out）以及点入度（in），还有两个都有的点度（total）。
该函数可以对于点集，做附近的画像，比较好用。
2、关系网络中的线集E
（1）线集的类型
关系网络中线的关系比较多，loop线就是循环到自己的点，1-2-1；multiple代表线的重叠。
which_loop(g) #线是否能够指回自己，1-1就是指回自己 which_multiple(g) #是否有重复线，后面1-1与前面1-1重复了
（2）线集属性
g<-set_vertex_attr(g,"name",value=V(g)$label)原理就是把点集的标签，打到线集上来，name是默认的设置。
线集的属性中也可以跟数据集一样进行筛选操作。
temp<-E(g)[order(E(g)$weight>25000)]
（3）线集加减
线集的加减可以用add.edges以及-来实现
g<-add.edges(g,t(edges)) #edges需要先转置 g<-g-E(g)[(weight>1)] #删除部分线
其中需要注意，add.edges中，需要把列数据，转置为行数据，平放id与词条。
同时线集也会有重复性的问题，见下文count.multiple(g) 以及simplify函数。还有一些特别的函数，diameter(g)可以做到最长的链接经过了多少根线。
4、关系网络的重复性问题
在关系网络中，重复是常见的，而且无向线中1-2与2-1是重复的，重复线的数量也可以作为线的权重。也就是E（g）$weight。其中igrarh包中笔者看到两个函数跟重复性问题有关。count.multiple(g) 以及simplify函数。
（1）count.multiple(g) 函数
可以获得网络中线的重复情况。不重复是1，重复一次+1。比如：无向网络（1-2,2-3，2-1）就是（2，1，2）
等价于E（g）$weight
（2）simplify函数
函数常规式:simplify(g,remove.multiple = TRUE,remove.loops = TRUE,edge.attr.comb = "mean")
其中loops是指是否循环回自己，比如1-2-1就是一个循环到自己；multiple是指重复比如1-2,2-1。
h <- graph( c(1,2,1,2,3,3,2,1,4,4) );h is_simple(h) simplify(h, remove.loops=FALSE) #线重复，删除a->b,a->b删掉 simplify(h, remove.loops=TRUE) #在线方向性重复基础上删掉点重复，a->a,b->b simplify(h, remove.multiple=FALSE)#删掉点重复 simplify(h, remove.multiple=TRUE)#删掉点重复同时，删除线a->b,a->b simplify(h, remove.multiple=TRUE,remove.loops=TRUE) #删掉线重复、点重复
simplify函数识别了两种重复方式，一种是线重复，比如1-2,2-1,；一种是点重复比如1-1,2-2就是点重复。
remove.multiple=TRUE，把重复的线删除edge.attr.comb,使用重复次数来更新线权重E(g)$weight