首页
学习
活动
专区
圈层
工具
发布

如何用 R 绘制交互式社会网络图?

环境 我们使用的,是 R 的集成开发环境(integrated development environment, IDE) RStudio 。 ? 你可以在本机安装 R 以及 RStudio 。...我已经把安装和设置步骤写在了《如何用 R 快速了解科研领域?》一文中。 配套的代码和数据,我放在了这个 github 仓库中。你可以下载使用。...请你根据我的介绍,逐步点击代码模块旁边的运行按钮,查看运行的结果。 ? 代码 首先,我们需要读入本教程中最重要的软件包,也就是 R 环境下的网络交互可视化工具—— visNetwork。 ?...visNetwork 基于 Javascript 可视化工具库 vis.js 开发,为 R 用户提供了简单易用的界面,而且功能也很强大。 ? 我们使用 library 命令来读入它。...你需要把它放在 visOptions 中。 visNetwork(nodes, friends) %>% visOptions(selectedBy = "grade") 运行效果是这样的: ?

1.9K30

交互式网络可视化—visNetwork

导语 GUIDE ╲ 通常是使用Cytoscape、igraph包等来可视化网络,虽然能够创建美观的网络图,但它们只是静态的。...对于创建交互式网络可视化,可以使用R中的特定包—visNetwork,有许多参数来创建个性化网络。...(2)根据点data.frame的列添加多个选择,自定义筛选项 visNetwork(nodes, edges, width = 500, height = 300, main = "visNetwork...= 0.05, position = "right", main = "Group") %>% visHierarchicalLayout() visIgraphLayout,可以使用igraph中的所有可用布局并计算坐标...优于常规的网络可视化方法是交互式的动态呈现,生动有趣。简单的几行代码就可以满足你对网络图更“苛刻”的要求,一起来探索他的更多功能吧!

3.9K61
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    【R语言】R中的因子(factor)

    R中的因子用于存储不同类别的数据,可以用来对数据进行分组,例如人的性别有男和女两个类别,根据年龄可以将人分为未成年人和成年人,考试成绩可以分为优,良,中,差。...R 语言创建因子使用 factor() 函数,向量作为输入参数。...levels:指定各水平值, 不指定时由x的不同值来求得。 labels:水平的标签, 不指定时用各水平值的对应字符串。 exclude:排除的字符。 ordered:逻辑值,用于指定水平是否有序。...这个顺序也是有讲究的,一般是按字母顺序来排列。我们也可以按照自己的需要来排列因子的顺序。...关于这个参数后面我们还会给大家举个更实际的,跟临床数据相关的例子。 R中的因子使用还是更广泛的,例如做差异表达分析的时候我们可以根据因子将数据分成两组。

    4.2K30

    「R」R 中的方差分析ANOVA

    因此回归分析章节中提到的lm()函数也能分析ANOVA模型。不过,在这个章节中,我们基本使用aov()函数。最后,会提供了个lm()函数的例子。...R默认类型I(序贯型)方法计算ANOVA效应(类型II和III分别为分层和边界型,详见R实战(第2版)202页)。...R中的ANOVA表的结果将评价: A对y的影响 控制A时,B对y的影响 控制A和B的主效应时,A与B的交互影响。 一般来说,越基础性的效应需要放在表达式前面。...单因素方差分析 单因素方法分析中,你感兴趣的是比较分类因子定义的两个或多个组别中的因变量均值。...glht.png par语句增大了顶部边界面积,cld()函数中的level选项设置了使用的显著水平。 有相同的字母的组说明均值差异不显著。

    5.4K21

    R tips: R中的颜色配置方案

    数据可视化不可避免的就是要选择一些颜色方案,颜色方案除了手动设置之外,在R中也有自动生成颜色方案的工具。...R中的HCL配色方案 HCL本意是和RGB HSV等一样的颜色空间的术语,由于这里所用的颜色方案在R中是hcl.pals函数,所以就称为HCL配色方案了。...HCL相比较HSV等颜色空间的一个重要优点就是颜色的视觉明度是均一的,在R中也是推荐使用hcl颜色方案,不推荐使用rainbow等颜色方案了。...,常用于着色离散变量; sequential的颜色方案中色调较少,体现了颜色的连续过渡,可以用于着色连续变量; diverging和divergingx也是颜色的连续过渡,但是不同于sequential...") # [1] "#1B9E77" "#D95F02" "#7570B3" 不同于hcl的配色方案,RColorBrewer中颜色方案数量是固定的,不会对颜色进行自动插值,比如Dark2配色一共只有

    4.3K40

    R中的sweep函数

    函数的用途 base包中的sweep函数是处理统计量的工具,一般可以结合apply()函数来使用。...当我们我们需要将apply()统计出来的统计量代回原数据集去做相应操作的时候就可以用到sweep()。...函数的参数 sweep(x, MARGIN, STATS, FUN = "-", check.margin = TRUE, ...) x:即要处理的原数据集 MARGIN:对行或列,或者数列的其他维度进行操作...,与apply的用法一样 STATS:需要对原数据集操作用到的统计量 FUN:操作需要用到的四则运算,默认为减法"-",当然也可以修改成"+","*","/",即加、乘、除 check.margin:是否需要检查维度是否适宜的问题...…… 下面我们结合几个具体的例子来看 #创建一个4行3列的矩阵 M = matrix( 1:12, ncol=3) 1.每一行都减去这一行的均值 #方法一,通过rowMeans函数来计算每一行的均值

    3.7K20

    「R」R检验中的“数据是恆量”问题

    之前我学习和自己分析时就遇到过,尝试使用判断的方式事先检查它是不是数据存在问题(这类数据明显不服从正态分布),可以使用正态性检验,或者直接判断是不是样本组内的数据是完全一样的,如果一样就不要这个了。...所遇到的问题: 分析两个样本之间是否存在差异,每个样本三个重复。现在用的是t.test,但有些样本三个重复的值一样(比如有0,0,0或者2,2,2之类的),想问下像这种数据应该用什么检验方法呢?...以下是我的回答: 数据是恒量是无法做t检验的,因为计算公式分母为0(不懂的看下统计量t的计算公式,一般标准差/标准误为分母,所以恒量是不能算的)。...,如果一样,则输出原始的结果,再筛选其中差异大的基因 。...9508518/why-are-these-numbers-not-equal https://stackoverflow.com/questions/23093095/t-test-failed-in-r

    5.5K10

    🤠 Network | 高颜值动态网络可视化工具(二)

    修改网络文件 有时候我们会想修改已经建好的网络文件, 可以使用activate函数单独进行nodes文件或edges文件的修改。 这里我们将edges文件中的weight以降序进行排列。...动态交互网络 有时候我们会想做个交互网络,像Cytoscape软件一样实现单个节点的拖拽、排列等。 这里我们可以使用visNetwork 和 networkD3实现动态、交互网络的绘制。...首先加载相关包 library(visNetwork) library(networkD3) ---- 7.1 方法一 visNetwork包进行网络可视化 7.1.1初步绘制 ︿( ̄︶ ̄)︿ visNetwork...(nodes, edges) ---- 7.1.2 更改排列方式 visNetwork包是支持igraph包的layout方式(具体layout可查看上期教程); 同时,你也可以使用visIgraph...visNetwork的edges属性并不能通过scale进行缩放,所以我们先手动调整一下edges的宽度。

    87410

    🤠 Network | 高颜值动态网络可视化工具(二)

    修改网络文件 有时候我们会想修改已经建好的网络文件, 可以使用activate函数单独进行nodes文件或edges文件的修改。 这里我们将edges文件中的weight以降序进行排列。...undefined 这里我们可以使用visNetwork 和 networkD3实现动态、交互网络的绘制。...首先加载相关包 library(visNetwork) library(networkD3) --- 7.1 方法一 visNetwork包进行网络可视化 7.1.1初步绘制 ︿( ̄︶ ̄)︿ visNetwork...(nodes, edges) 图片 --- 7.1.2 更改排列方式 visNetwork包是支持igraph包的layout方式(具体layout可查看上期教程);undefined同时,你也可以使用...visNetwork的edges属性并不能通过scale进行缩放,所以我们先手动调整一下edges的宽度。

    67521

    R中的线性回归分析

    回归分析(regression analysis) 回归分析是研究自变量与因变量之间关系形式的分析方法,它主要是通过建立因变量Y与影响它的自变量Xi(i=1,2,3...)之间的回归模型,来预测因变量Y...的发展趋势。...简单线性回归模型 Y=a+b*X+e Y——因变量 X——自变量 a——常数项,是回归直线在纵轴上的截距 b——回归系数,是回归直线的斜率 e——随机误差,即随机因素对因变量所产生的影响...回归分析函数 lm(formula) formula:回归表达式y~x+1 lm类型的回归结果,一般使用summary函数进行查看 预测函数 predic(lmModel,predictData...,level=置信度) 参数说明: lmModel:回归分析得到的模型 predictData:需要预测的值 level:置信度 返回值:预测结果 data <- read.table('data.csv

    1.9K100
    领券