上一个answer到另一个question提供了一些代码来重新连接加权图:
g <- graph.ring(10)
E(g)$weight <- seq_len(ecount(g))
E(g)$weight
# [1] 1 2 3 4 5 6 7 8 9 10
is.weighted(g)
# [1] TRUE
g2 <- rewire(g,niter=3)
plot(g2)
is.weighted(g2)
# [1] TRUE
然而,使用此代码表明 NA 被引入到边缘权重向量中:
set.seed(1)
g <- graph.ring(10)
E(g)$weight <- seq_len(ecount(g))
E(g)$weight
# [1] 1 2 3 4 5 6 7 8 9 10
is.weighted(g)
# [1] TRUE
g2 <- rewire(g,niter=3)
E(g2)$weight
# [1] 1 2 4 5 6 7 9 NA NA NA
is.weighted(g2)
# [1] TRUE
接下来我有两个相关问题:
1) 是解决 NA 问题的最简单方法,只需手动重新分配边缘,如下所示:
g2 <- rewire(g,niter=3)
E(g2)$weight <- sample( seq_len(ecount(g)) )
或者有没有更好的方法可以在igraph
中纠正这个问题,或者至少解释一下igraph
中发生了什么?
2) 是否有一个重新布线系统,也可以随机化权重,以便网络保持其总强度,但两个二进制边都被重新布线,并且边上的各个边权重会发生变化?
例如不仅仅是
id id w
A - B 6
C - D 1
E - F 1
to
id id w
A - C 6
D - E 1
B - F 1
but also does:
id id w
A - B 6
C - D 1
E - F 1
to
id id w
A - C 4
D - E 3
B - F 1
最佳答案
1) 手动重新分配边缘非常简单。但另一种简单的方法是标记边缘,然后排列标签,例如:
V(g)$name <- letters[1: ecount(g)]
E(g)
# + 10/10 edges (vertex names):
# [1] a--b b--c c--d d--e e--f f--g g--h h--i i--j a--j
E(g)$weight
# [1] 1 2 3 4 5 6 7 8 9 10
V(g)$name <- sample(letters[1: ecount(g)])
E(g)
# + 10/10 edges (vertex names):
# [1] g--h h--c c--d d--e e--j j--a a--b b--f f--i g--i
E(g)$weight
# [1] 1 2 3 4 5 6 7 8 9 10
# visualize:
plot(g, edge.width = E(g)$weight)
您看到 NA 的原因:对于任何在重新布线后幸存下来的边,igraph 都可以保留其边权重。但对于新边,它没有权重可分配给它,因此分配 NA。另一方面,通过按照上面的方式重新标记顶点,在打乱边的同时保留原始权重(正如您通过绘图看到的),因此没有 NA。
2)我不知道这样的重新布线,但您可以重新分配从总权重的整数分区中提取的边权重,例如:
w <- sum(E(g)$weight)
s <- sample(w, size = ecount(g) - 1)
E(g)$weight <- c(sort(s), w) - c(0, sort(s))
sum(E(g)$weight) == w
# [1] TRUE
plot(g, edge.width = E(g)$weight)
或者您可以使用提到的分区包here来做到这一点
关于重新连接加权图会产生 NA,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38896812/