乐趣区

关于数据挖掘:R语言复杂网络分析各大电视台合播电视剧数量可视化

jiezi

全文链接：http://tecdat.cn/?p=30961

原文出处：拓端数据部落公众号

咱们围绕网络可视化剖析技术进行一些征询，帮忙客户解决独特的业务问题。

为了剖析电视台工夫关系状态变动，咱们获取了电视台合播电视剧数量数据：

1、黄色的方格内，数字大小示意为节点面积，即该电视台独播电视剧数量

2、红色的方格内，数字大小示意为连贯强弱，能够为具体若干条连线、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、整体出现，能够看到两年同样电视台的关系状态变动，输入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

生成网络图格局 

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，减去连贯很小的边 

  
  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，用粗细示意 

 
plot(newe, vertex.size=diag(network), vertex.shape="square", vert

对图进行删减，删去连贯少的边 

newe = censor.edgeweight(e, floor=2); newe
## IGRAPH UNW- 25 91 --

给每个边的宽度进行赋值，用粗细示意 

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 西北卫视
## 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

生成网络图格局 


  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，减去连贯很小的边 


  
  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，用粗细示意 


plot(newe, vertex.size=diag(network), vertex.shape="square",

对图进行删减，删去连贯少的边 

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，用粗细示意 

E(newe)$width =   E(newe)$weight
 vertex.label.degree=pi/2, layout=layout.circle)

最受欢迎的见解

1.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言动态图可视化：如何、创立具备精美动画的图

2.R 语言生存剖析可视化剖析

3.[](http://tecdat.cn/r%e8%af%ad%e…)Python 数据可视化 -seaborn Iris 鸢尾花数据

4.[](http://tecdat.cn/r%e8%af%ad%e…)r 语言对布丰投针（蒲丰投针）试验进行模仿和动静

5.R 语言生存剖析数据分析可视化案例

6.[](http://tecdat.cn/r%e8%af%ad%e…)r 语言数据可视化剖析案例：摸索 brfss 数据数据分析

7.[](http://tecdat.cn/r-%e8%af%ad%…)R 语言动静可视化：制作历史寰球平均温度的累积动静折线图动画 gif 视频图

8.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言高维数据的主成分 pca、t-SNE 算法降维与可视化剖析案例报告

9.[](http://tecdat.cn/r%e8%af%ad%e…)python 主题 LDA 建模和 t -SNE 可视化

退出移动版