R语言复杂网络分析各大电视台合播电视剧数量可视化
2023-02-18 16:33:54 时间
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)$weight)) stop("No weights for censoring the edges!")
es = E(graph)[E(graph)$weight<floor | E(graph)$weight>ceiling]
newgraph = graph - es
newgraph = newgraph
给每个边的宽度进行赋值,用粗细表示
plot(newe, vertex.size=diag(network), vertex.shape="square", vert
对图进行删减,删去连接少的边
newe = censor.edgeweight(e, floor=2); newe
## IGRAPH UNW- 25 91 --
给每个边的宽度进行赋值,用粗细表示
E(newe)$width = E(newe)$weight
2021年数据
head(data)
## X1 湖南卫视 浙江卫视 江苏卫视 北京卫视 上海东方卫视 山东卫视
## 1 湖南卫视 24 1 0 0 0 0
## 2 浙江卫视 1 5 3 1 3 1
## 3 江苏卫视 0 3 7 1 2 1
## 4 北京卫视 0 1 1 4 5 1
## 5 上海东方卫视 0 3 2 5 5 3
## 6 山东卫视 0 1 1 1 3 3
## 安徽卫视 天津卫视 江西卫视 湖北卫视 深圳卫视 云南卫视 黑龙江卫视
## 1 0 0 0 0 0 0 0
## 2 2 1 0 0 2 0 0
## 3 1 2 0 1 0 0 0
## 4 1 0 0 0 1 0 0
## 5 3 3 0 0 0 1 0
## 6 2 3 3 2 0 2 2
## 广东卫视 重庆卫视 贵州卫视 四川卫视 辽宁卫视 河北卫视 河南卫视 东南卫视
## 1 0 0 0 0 0 0 0 1
## 2 0 0 2 0 0 0 0 0
## 3 0 1 0 0 0 1 0 0
## 4 1 0 0 1 0 1 1 0
## 5 0 1 0 0 0 0 0 0
## 6 0 0 1 0 3 1 1 0
## 吉林卫视 广西卫视 央视一套 央视八套
## 1 0 0 0 0
## 2 0 0 0 0
## 3 0 0 1 0
## 4 0 0 0 0
## 5 0 0 0 0
## 6 0 0 0 0
给点的名称赋值
enames=colnames(data)[-1]
将对角线的元素赋值为0
diag(events)=0
生成网络图格式
s = paste(c("*vertices ", as.character(n), "\r\n*edges\r"), collapse="")
write(s, file=f, sep="")
for(i in 1:n) {
for(j in i:n) {
s = paste(c(as.character(i), as.character(j),
读取网络图格式文件
e=read.graph("events.net", format="pajek")
对边进行删减,减去连接很小的边
if(is.null(E(graph)$weight)) stop("No weights for censoring the edges!")
es = E(graph)[E(graph)$weight<floor | E(graph)$weight>ceiling]
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
3.Python数据可视化-seaborn Iris鸢尾花数据
7.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
相关文章
- 认识Java的整形数据结构
- 一文了解 Java 中的构造器
- SPI:Java的高可扩展利器
- Java反射机制清空字符串导致业务异常分析
- 7000+字图文并茂解带你深入理解java锁升级的每个细节
- 全文手敲代码,教你用Java实现扫雷小游戏
- 4种方法教你如何查看java对象所占内存大小
- 手绘图解java类加载原理
- Java中的线程到底有哪些安全策略
- Java中观察者模式与委托,还在傻傻分不清
- 一图详解java-class类文件原理
- Java遇上SPL:架构优势和开发效率,一个不放过
- 长篇图解java反射机制及其应用场景
- [java并发编程]基于信号量semaphore实现限流器
- java并发编程-StampedLock高性能读写锁
- 【java并发编程】ReentrantLock 可重入读写锁
- 【java并发编程】Lock & Condition 协调同步生产消费
- Java synchronized对象级别与类级别的同步锁
- java并发编程JUC第十二篇:AtomicInteger原子整型
- java并发编程JUC第十一篇:如何在线程之间进行对等数据交换