1

我是使用 R 进行社交网络分析的基本程序员，并且有一些我不知道如何解决的信息。

我有的：

  1. 存储为 csv 文件的邻接矩阵，包含以下信息： a) 第 1 行的家庭和第 1 列的家庭通过共享资源相互交互。b) 交互是由亲属编号表示的联系。数字越小，亲属关系越密切（或更强）。比如1是亲子亲子关系，100是没有亲子关系。与自己没有亲属关系是NA。c) 文件片段：
     [,1] [,2] [,3] [,4] [,5]
 [1,]  NA   100  2    1    100
 [2,]  4    NA   100  100  3
 [3,]  100  3    NA   2    4
 [4,]  100  1    5    NA   100
 [5,]  1    100  4    100  NA

我需要的：

  1. 为了完成额外的亲属关系计算，我需要将此邻接矩阵转换为具有三列（“HH1”、“HH2”、“HHKinRank”）的边列表。

  2. 此边缘列表必须保存为新的 csv 文件以供进一步分析。

  3. 我对列表的最大问题是它只需要列出数值。如果没有平局（NA），那么边缘列表会显示这个吗？

我做了什么：

我尝试将 csv 文件分配给一个新变量 HHKinRank.el <- read.csv("HouseholdKinRank.csv")。

当我这样做时，最令人沮丧的部分是确定我可能必须使用哪些库。有许多功能命令，例如熔化，因此故障排除是一个问题，因为我也可能错误地分配了值。

我可以从边缘列表转到矩阵，但相反的情况很难运行命令。

感谢您对此提供的任何帮助。

4

2 回答 2

0

原始数据：

adj_mat <- matrix(
  c(NA, 100, 2, 1, 100,
    4, NA, 100, 100, 3,
    100, 3, NA, 2, 4,
    100, 1, 5, NA, 100,
    1, 100, 4, 100, NA
    ),
  nrow = 5, ncol = 5, byrow = TRUE
  )

adj_mat
#>      [,1] [,2] [,3] [,4] [,5]
#> [1,]   NA  100    2    1  100
#> [2,]    4   NA  100  100    3
#> [3,]  100    3   NA    2    4
#> [4,]  100    1    5   NA  100
#> [5,]    1  100    4  100   NA

1) 将行索引、列索引和邻接矩阵的值组合成 3 个矩阵的列表：

rows_cols_vals_matrices <-  list(row_indices = row(adj_mat),
                                 col_indices = col(adj_mat), 
                                 values = adj_mat)
rows_cols_vals_matrices
#> $row_indices
#>      [,1] [,2] [,3] [,4] [,5]
#> [1,]    1    1    1    1    1
#> [2,]    2    2    2    2    2
#> [3,]    3    3    3    3    3
#> [4,]    4    4    4    4    4
#> [5,]    5    5    5    5    5
#> 
#> $col_indices
#>      [,1] [,2] [,3] [,4] [,5]
#> [1,]    1    2    3    4    5
#> [2,]    1    2    3    4    5
#> [3,]    1    2    3    4    5
#> [4,]    1    2    3    4    5
#> [5,]    1    2    3    4    5
#> 
#> $values
#>      [,1] [,2] [,3] [,4] [,5]
#> [1,]   NA  100    2    1  100
#> [2,]    4   NA  100  100    3
#> [3,]  100    3   NA    2    4
#> [4,]  100    1    5   NA  100
#> [5,]    1  100    4  100   NA

2）展平矩阵：

vectorized_matrices <- lapply(rows_cols_vals_matrices, as.vector)
vectorized_matrices
#> $row_indices
#>  [1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
#> 
#> $col_indices
#>  [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5
#> 
#> $values
#>  [1]  NA   4 100 100   1 100  NA   3   1 100   2 100  NA   5   4   1 100
#> [18]   2  NA 100 100   3   4 100  NA

3) 将向量绑定到一个 3 列矩阵中：

melted <- do.call(cbind, vectorized_matrices)
head(melted)
#>      row_indices col_indices values
#> [1,]           1           1     NA
#> [2,]           2           1      4
#> [3,]           3           1    100
#> [4,]           4           1    100
#> [5,]           5           1      1
#> [6,]           1           2    100

4) 删除第 3 列为 NA 的行：

filtered <- melted[!is.na(melted[, 3]), ]
filtered
#>       row_indices col_indices values
#>  [1,]           2           1      4
#>  [2,]           3           1    100
#>  [3,]           4           1    100
#>  [4,]           5           1      1
#>  [5,]           1           2    100
#>  [6,]           3           2      3
#>  [7,]           4           2      1
#>  [8,]           5           2    100
#>  [9,]           1           3      2
#> [10,]           2           3    100
#> [11,]           4           3      5
#> [12,]           5           3      4
#> [13,]           1           4      1
#> [14,]           2           4    100
#> [15,]           3           4      2
#> [16,]           5           4    100
#> [17,]           1           5    100
#> [18,]           2           5      3
#> [19,]           3           5      4
#> [20,]           4           5    100

5）将其全部包装成一个函数：

as_edgelist.adj_mat <- function(x, .missing = NA) {
  # if there arerow/colnames or non-numeric data, you'll need to to use a data frame to 
  # handle heterogenous data types
  stopifnot(is.numeric(x) & is.null(dimnames(x))) 
  melted <- do.call(cbind, lapply(list(row(x), col(x), x), as.vector))
  if (is.na(.missing)) {
    out <- melted[!is.na(melted[, 3]), ]
  } else {
    out <- melted[melted[, 3] != .missing, ]
  }
  out
}

6) 试一试：

as_edgelist.adj_mat(adj_mat)
#>       [,1] [,2] [,3]
#>  [1,]    2    1    4
#>  [2,]    3    1  100
#>  [3,]    4    1  100
#>  [4,]    5    1    1
#>  [5,]    1    2  100
#>  [6,]    3    2    3
#>  [7,]    4    2    1
#>  [8,]    5    2  100
#>  [9,]    1    3    2
#> [10,]    2    3  100
#> [11,]    4    3    5
#> [12,]    5    3    4
#> [13,]    1    4    1
#> [14,]    2    4  100
#> [15,]    3    4    2
#> [16,]    5    4  100
#> [17,]    1    5  100
#> [18,]    2    5    3
#> [19,]    3    5    4
#> [20,]    4    5  100
于 2018-12-02T20:18:53.993 回答
0

您可以使用networkR 的包来执行此操作，也可能在其中igraph。

library(network)

# create the example data
adjMat <- matrix(c(NA, 100,  2,    1,    100,
                    4, NA,   100,  100,  3,
                  100, 3,    NA,   2,    4,
                  100, 1,    5,    NA,   100,
                  1,   100,  4,    100,  NA),
                 ncol = 5,byrow=TRUE)

# create a network object
net<-as.network(adjMat,matrix.type='adjacency',
                ignore.eval = FALSE,  # read edge values from matrix as attribute
                names.eval='kinship', # name the attribute
                loops=FALSE)   # ignore self-edges

# convert to an edgelist matrix
el <-as.edgelist(net,attrname = 'kinship')

# relabel the columns
colnames(el)<-c("HH1", "HH2", "HHKinRank")

# check results
el
      HH1 HH2 HHKinRank
 [1,]   1   2       100
 [2,]   1   3         2
 [3,]   1   4         1
 [4,]   1   5       100
 [5,]   2   1         4
 [6,]   2   3       100
 [7,]   2   4       100
 [8,]   2   5         3
 [9,]   3   1       100
[10,]   3   2         3
[11,]   3   4         2
[12,]   3   5         4
[13,]   4   1       100
[14,]   4   2         1
[15,]   4   3         5
[16,]   4   5       100
[17,]   5   1         1
[18,]   5   2       100
[19,]   5   3         4
[20,]   5   4       100

# write edgelist matrix to csv file
write.csv(el,file = 'myEdgelist.csv')
于 2016-07-22T20:59:43.430 回答