weight代表线权重，但是与随机游走不同，其要自己赋上去，weight=E(g)$label不能少;spins代表产生的社群数，默认值为25。
这个社群分类函数有了自己定义分类数量的效果。

4、中间中心度社群发现

1. member<-edge.betweenness.community(g.undir,weight=E(g)$weight,directed=F)??

有默认的线权重，并且默认是无向线的，directed=T时就代表有向线。

5、传播标签社群发现

1. #社群发现方法五：标签传播社群发现??

2. member<-label.propagation.community(g.undir,weights=V(g.undir)$weight)??

3. V(g.undir)$member??

4. member<-label.propagation.community(g.undir,weights?=?E(g.undir)$weight,initial?=?c(1,-1,1))??

5. V(g.undir)$member??

6. member<-label.propagation.community(g.undir,??

7. ????????????????????????????????????initial?=?c(1,1),fixed=c(T,F,T))??

initial是社群初始化函数，默认为-1（不设置初始值），当然这里你也可以设置；如initial=c(1,2)就代表1,2个数为社群1；3、4不设置初始值；5个为社群2
fixed是用来固定函数的，当然如果没有设定初始值，如3.4.6则T，F都无效；如果设定了初始值，T则代表固定在原设定上。

二、衡量社群的指标

1、模块化指标Q——modularity

相当于是组内误差。

1. modularity(g.undir,membership=c(1,2))??#社群总差异，membership设置社群号??

membership是每个点的各自分组情况。

2、网络聚类系数——transitivity

是表示一个图形中节点聚集程度的系数，一个网络一个值。

3、网络密度——graph.density




跟网路聚类系数差不多，也是用来形容网络的结构复杂程度。越大，说明网络越复杂，说明网络越能够放在一块。




1. graph.density(g.zn)??

2. graph.density(group1)??

3. graph.density(group2)??

4. #从中可以看到不同社群与整体之间的网络密度情况（关联程度）??




三、画 图

由于关系网络图很复杂，而且数据量一大，小的图片形式网路图基本就是一坨浆糊。所以这里JPEG一定要足够大，最好的就是SVG格式。SVG格式的好处就是矢量图，你可以自己放大缩小，而且还可以用工具进行修改。但是最不好就是，一般的工具还打开不了，要用一些特有的工具，打开之后也会出现一些问题。

当然你是可以直接plot的。




1、直接plot

1. plot(g.test,layout=layout.fruchterman.reingold,edge.arrow.size=0.1,vertex.color=rainbow(7,alpha=0.3),edge.arrow.mode?=?"-")??


代码解读：edge.arrow.size=0.1箭头大小；

vertex.color=rainbow(7,alpha=0.3)颜色，七种；

edge.arrow.mode = "-"连接方式用-。


其中还有很多参数类型：




1. #vertex.size=1表示节点的大小??

2. #layout表示布局方式（发散性）??

3. #vertex.label=NA,不显示任何点信息，默认显示idx号??

4. #vertex.color=V(g)$color?点的颜色设置??

5. #mark.groups表示设置分组??

6. #vertex.shape='none'不带边框???

7. #vertex.label.cex=1.5,?#节点字体大小??

8. #vertex.label.color='red'??

9. #edge.arrow.size=0.7?#连线的箭头的大小??

10. #edge.color?=?grey(0.5)#线的颜色??

11. #edge.arrow.mode?=?"-"?箭头换成线??

12. #vertex.label.dist=5??点标签和节点之间的距离一般0.1，便于错开重叠??

2、简易画图自编译函数

R语言与网站分析中还专门写了一个画图函数。




1. plot.membership<-function(graph,membership,main=""){??

2. ??V(graph)$member<-membership??

3. ??mem.col<-rainbow(length(unique(membership)),alpha=0.3)??

4. ??V(graph)$color<-mem.col[membership]??

5. ??plot(graph,edge.width=E(graph)$weight,vertex.color=V(graph)$color,main=main)??

6. }??

函数需要输入三样东西（关系网络，分组情况，标题）。这里借助上面的社群分类都是可以得到的。用点连接来举个例子：




1. plot.membership(g.undir,clusters(g.undir)$membership,"无向图的社群发现")??




3、SVG如何画高质量图

画一个好看的图你需要考虑这么几个问题：

不同重要性的点是否需要不同的大小？——V(g)$size

重要的点是否要加入其名字标签？——V(g)$label

不同社群的点，是否需要不同的颜色？——V(g)$member

（1）设置点大小

1. V(gg)$size?=?5??

2. V(gg)[degree(g)>=3000]$size?=?15??


其他节点尺寸都是5，而点度数大于3000的节点尺寸是15；

（2）设置不同社群颜色

1. mem.col<-rainbow(length(unique(V(g)$member)),alpha?=?0.3)??

2. V(g)$color<-mem.col[V(g)$member]??

rainbow是生成颜色的参数，比如"#FF00004D" "#00FFFF4D"
第二句话是将每个点附上颜色。

（3）设置重点词标签

1. V(g)$label=NA??

2. V(g)[degree(g)>=3000]$label=V(gg)[degree(g)>=3000]$name??


非重点词不给标签，重点词点度大于3000的给标签名字。

最后的SVG画图函数就是：




1. svg(filename=paste("C:/Users/long/Desktop","/1.svg",sep?=?""),width?=?40,height?=?40)??

2. （编辑：西安站长网）

   【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!