r - 如何在 R 中可视化大型网络？

Question

网络可视化在科学实践中变得很常见。但随着网络规模的不断扩大，常见的可视化变得不再那么有用。节点/顶点和链接/边太多了。通常，可视化工作最终会产生“毛团”。

已经提出了一些新方法来解决这个问题，例如:

• 边缘捆绑:
  • http://vis.stanford.edu/papers/divided-edge-bundling或
  • https://gephi.org/tag/edge-bundling/
• 分层边缘捆绑:
  • http://graphics.cs.illinois.edu/sites/graphics.dev.engr.illinois.edu/files/edgebundles.pdf
• 组属性布局:
  • http://wiki.cytoscape.org/Cytoscape_3/UserManual
  • How to make grouped layout in igraph?

我确信还有更多的方法。因此，我的问题是: 如何克服毛球问题，即如何使用 R 可视化大型网络？

下面是一些模拟示例网络的代码:

# Load packages
lapply(c("devtools", "sna", "intergraph", "igraph", "network"), install.packages)
library(devtools)
devtools::install_github(repo="ggally", username="ggobi")
lapply(c("sna", "intergraph", "GGally", "igraph", "network"), 
       require, character.only=T)

# Set up data
set.seed(123)
g <- barabasi.game(1000)

# Plot data
g.plot <- ggnet(g, mode = "fruchtermanreingold")
g.plot

此问题涉及 Visualizing Undirected Graph That's Too Large for GraphViz? 。然而，我在这里搜索的不是一般软件建议，而是具体示例(使用上面提供的数据)，这些技术有助于使用 R 实现大型网络的良好可视化(与中的示例相比)此线程: R: Scatterplot with too many points )。

Answer 1

可视化大型网络的另一种方法是使用 BioFabric (www.BioFabric.org)，它使用水平线而不是点来表示节点。然后使用垂直线段显示边缘。此技术的快速 D3 演示如下:http://www.biofabric.org/gallery/pages/SuperQuickBioFabric.html .

BioFabric 是一个 Java 应用程序，但可以在以下位置找到简单的 R 版本:https://github.com/wjrl/RBioFabric .

这是 R 代码片段:

 # You need 'devtools':
 install.packages("devtools")
 library(devtools)

 # you need igraph:
 install.packages("igraph")
 library(igraph)

 # install and load 'RBioFabric' from GitHub
 install_github('RBioFabric',  username='wjrl')
 library(RBioFabric)

 #
 # This is the example provided in the question:
 #

 set.seed(123)
 bfGraph = barabasi.game(1000)

 # This example has 1000 nodes, just like the provided example, but it 
 # adds 6 edges in each step, making for an interesting shape; play
 # around with different values.

 # bfGraph = barabasi.game(1000, m=6, directed=FALSE)

 # Plot it up! For best results, make the PDF in the same
 # aspect ratio as the network, though a little extra height
 # covers the top labels. Given the size of the network,
 # a PDF width of 100 gives us good resolution.

 height <- vcount(bfGraph)
 width <- ecount(bfGraph)
 aspect <- height / width;
 plotWidth <- 100.0
 plotHeight <- plotWidth * (aspect * 1.2)
 pdf("myBioFabricOutput.pdf", width=plotWidth, height=plotHeight)
 bioFabric(bfGraph)
 dev.off()

这是提问者提供的 BioFabric 版本数据的截图，尽管使用 m > 1 的值创建的网络更有趣。插图细节显示了网络左上角的特写；节点 BF4 是网络中度数最高的节点，默认布局是从该节点开始对网络进行广度优先搜索(忽略边缘方向)，按照节点度数递减的顺序遍历相邻节点。请注意，我们可以立即看到，例如，大约 60% 的节点 BF4 的邻居的度数为 1。我们还可以从严格的 45 度下边看到，这个 1000 个节点的网络有 999 个边，因此是一棵树。

全面披露:BioFabric 是我编写的一个工具。