歡迎關注微信公眾號《生信修煉手冊》!

對於網路的視覺化和資料探勘，有很多圖形介面的軟體可供選擇，比如cytoscape, gephi 等等，這些軟體使用方便，操作簡單，功能的強大，但是同時也有著一個缺點，就是無法自動處理，只能通過人工點選滑鼠來操作，對於大批量資料的分析而言，依靠人工費事費力。

為了能夠自動化程式設計處理，有很多的程式被開發出來，專門用於網路資料的視覺化和分析，igraph就是其中的佼佼者。igraph是一個開源專案，旨在提供一個簡單易用，功能強大的網路資料處理框架，在R，Python, C語言中都有具體實現，網址如下

http://igraph.org/

本篇以R語言為例，展示其用法。在R語言中，對應的包名為igraph, 安裝方式如下

install.packages("igraph")

network對應的資料結構為graph, 通常用大寫字母G表示，頂點的英文為vertex, 用大寫字母V表示，邊的英文為edge, 用大寫字母E表示。對於igraph而言，常用的操作包括以下幾種

1. 在R中建立一個network

建立network有很多種方式，這裡我們只展示最常用的一種，從檔案中讀取節點和邊的資訊，然後在R中建立一個network, 對於節點而言，檔案內容示例如下

每一行代表一個節點，每一列代表一個節點的屬性，可以有很多列，這裡只給出了兩個基本屬性，id

對於邊而言，檔案內容示例如下

每一行代表一條邊，from和to指定一條邊所連線的兩個頂點，後面的列是邊對應的屬性，可以自定義。

在R中，讀取檔案並建立network的程式碼如下

# 載入包
library(igraph)

# 讀取節點檔案
nodes <- read.table("nodes.txt")

# 讀取邊檔案
links <- read.table("links.txt")

# 建立netwok
net <- graph_from_data_frame(
d = links,
vertices = nodes,
directed = F)
 

directed引數代表建立的network是否為有向圖。建立好之後，可以通過V(net)$name訪問節點的屬性，類似的，通過E(net)$type訪問邊的屬性。

2. 視覺化

建立好之後，可以對網路進行視覺化。在視覺化時，有兩個因素需要考慮，一個就是節點和邊的屬性展示，比如節點的顏色，不同分類的節點是否用不同顏色展示，另外一個就是layout佈局，選擇何種佈局演算法，在igraph中，可以方便的進行處理

第一個例子展示如何根據邊的屬性對邊的顏色進行劃分，示例如下

# 設定不同type的邊顏色不同
E(net)$color <-  "red"
index <- E(net)$type == "mention"
E(net)$color <- "green"

# 視覺化
plot(
net,
vertex.color = "gray50",
edge.color = E(net)$color
)

根據type屬性，自定義了一個color屬性，不同type對應不同顏色，在視覺化時，直接指定邊的顏色為我們自定義的color屬性就可以了，對於節點的顏色，統一指定為灰色。plot函式還支援非常多的屬性，詳細引數請參考函式的幫助文件。

第二個例子展示佈局，對於layout而言，在igraph中，有非常多的佈局演算法，具體的可以檢視layout函式的幫助文件，呼叫佈局演算法繪圖的程式碼如下

plot(net, layout = layout_in_circle)

3. 統計網路的拓撲屬性

通過``統計節點的度，用法如下

> degree(g, mode="all")
[1] 3 4 3 2 2 1 1

通過edge_dentisy統計密度，用法如下

> edge_density(net)
[1] 0.3809524

通過transitivity函式統計clustering coefficient, 用法如下

> transitivity(g, type="global")
[1] 0.4285714
> transitivity(g, type="local")
[1] 0.6666667 0.3333333 0.0000000 1.0000000
> transitivity(g, type="average")
[1] 0.6

4. 對網路進行聚類

在igraph中，支援多種網路聚類演算法，來挖掘複雜網路中的community, 示例如下

cfg <- cluster_fast_greedy(net)
plot(cfg, net)

cluster_fast_greedy呼叫fast greedy algorithm演算法，來預測community，其他聚類函式的用法和上述用法一致，生成的圖片如下

節點對應的community資訊可以從cfg這個物件中得到

> cfg
IGRAPH clustering fast greedy, groups: 10, mod: 0.77
+ groups:
  $`1`
   [1]  5  6 13 16 31 32 54 59 63 67 69 72 75
  
  $`2`
   [1]  8 10 18 44 45 50 55 66 68 74 7

對於每個community, 可以通過如下方式得到其子圖，

nodes <- V(net)[cfg$membership == 1]
g <- induced_subgraph(net, nodes)
plot(g, layout = layout_in_circle)

生成的圖片如下

通過igraph包，可以自動化的程式設計處理網路資料。

掃描關注微訊號，更多精彩內容等著你！