溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容介紹了“R語言怎么實現網絡構建”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！
網絡分析（network analysis）是指通過連接法，尋找變量之間的聯系，以網絡圖或者連接模型（connection model）來展示數據的內部結構，從而簡化復雜系統并提取有用信息的一種定量分析方式。在生態學中常利用相關性來構建網絡模型，可以使用一個數據集例如物種群落數據進行分析，這時候展現物種之間的共出現模式（co-occurance pattern），也可以結合多個數據集進行分析，例如分析環境因子對物種的影響等，網絡分析是一種比較自由的分析方法。
構建相關性網絡，首先需要計算不同變量之間的相關系數矩陣，然后根據相關系數確定變量之間的網絡連接，在R中常使用igraph包進行網絡模型可視化。這里以目水平的微生物群落以及環境因子數據為例構建相關性網絡：
#讀取物種與環境因子數據community=read.table(file="otu_table_L4.txt", header=TRUE)rownames(community)=community[,1]community=community[,-1]com=t(community)environment=read.table(file="environment.txt", header=TRUE)rownames(environment)=environment[,1]env=environment[,-1]env=env[rownames(com),]data=as.matrix(cbind(com, env))#計算相關性矩陣并篩選p<0.05、r>0.45的數據library(Hmisc)corr=rcorr(data, type="spearman")rcorr=corr$r #提取相關系數pcorr=corr$P #提取檢驗結果p值#注意要去掉自相關（對角線上的數據）for (i in 1:nrow(rcorr)) { for (j in 1:nrow(rcorr)) { if (i!=j) { if (pcorr[i, j]>0.05) { rcorr[i, j]=0 } } if (rcorr[i, j]>-0.45 & rcorr[i, j]<0.45) { rcorr[i, j]=0 } }}#構建相關網絡library(igraph)g=graph.adjacency(rcorr, mode="undirected", weighted=T, diag=F)
在這里graph.adjacency()函數使用鄰接矩陣（這里為相關矩陣）創建連接模型，其中mode可選"undirected"和"directed"，分別表示連接有無方向（箭頭），weighted=T表示連接線的粗細或長短與相關系數成正比，diag=F去掉鄰接矩陣中對角線數據（即去掉自相關），我們可以提取節點與連接的信息：
接下來進行繪圖：
#相關網絡可視化m=length(colnames(com))n=length(colnames(env))t=length(colnames(rcorr))size1=numeric(m)for (i in 1:m) { size1[i]=sum(com[,i])}size1=(10000*size1)^0.25size2=numeric(n)for (i in 1:n) { size2[i]=sum(abs(rcorr[,m+i]))-1}size2=1.7*sqrt(10*size2)size=c(size1, size2)col=character(length(E(g)$weight))weight=E(g)$weightfor (i in 1: length(E(g)$weight)) { if (weight[i]>0) { col[i]="red" } else { col[i]="blue" }}pcolor=c(rep("goldenrod1", m), rep("steelblue3", n))par(mfrow=c(2,2), mar=c(1,1,1,1))plot(g,vertex.color=pcolor, layout=layout.fruchterman.reingold, vertex.size=size, vertex.label="", vertex.frame.color="gray", edge.width=1, asp=1, edge.color=col)plot(g,vertex.color=pcolor, layout=layout_as_tree, vertex.size=size, vertex.label="", vertex.frame.color="gray", edge.width=1, asp=1, edge.color=col)plot(g,vertex.color=pcolor, layout=layout_randomly, vertex.size=size, vertex.label="", vertex.frame.color="gray", edge.width=1, asp=1, edge.color=col)plot(g,vertex.color=pcolor, layout=layout.circle, vertex.size=size, vertex.label="", vertex.frame.color="gray", edge.width=1, asp=1, edge.color=col)
在這里繪圖函數實際上為plot.igraph()。其中，使用物種相對豐度數據（size1）來為物種節點的大小賦值，使用環境因子相關性數據（size2）為環境因子節點（vertex）賦值，每一個顯著的強相關作為一個連接（edge），正相關與負相關使用不同顏色來區分（col）。此外layout為展示樣式，有layout.auto、layout.circle、layout.fruchterman.reingold、layout.graphopt、layout.grid、layout.lgl、layout.random、layout.reingold.tilford、layout.sphere、layout.star、layout.kamada.kawai、layout_as_star、layout_as_tree、layout_nicely、layout.davidson.harel、layout_with_dh、layout.graphopt、layout.mds、layout_with_lgl、layout_with_fr、layout_randomly、layout_on_sphere等。繪圖結果如下所示：
可以選擇合適的展示方式來展示相關網絡，接下來我們進一步優化做圖參數，如下所示：
#進一步優化作圖par(mfrow=c(1,1), mar=c(1,1,1,1))myshape=c(rep("circle", m), rep("square", n))plot(g,vertex.color=pcolor, layout=layout.fruchterman.reingold, vertex.size=size, vertex.shape=myshape, vertex.label=rownames(rcorr), vertex.label.font=1, vertex.label.cex=0.5, vertex.label.dist=0.2, vertex.label.degree=-pi/2, vertex.label.color="black", vertex.frame.color="gray", edge.width=10*weight^4, asp=1, edge.color=col)
在上面腳本中使用形狀區分物種節點和環境因子節點，vertex.shape可選方形square、圓形circle、球體sphere、等，可以使用?shapes查看其他形狀例如三角等添加方法；使用相關性大小（weight）為邊的寬度（）賦值；asp設置圖片的長寬比，取值范圍0-1；edge.curved設置連接（edge）的彎曲程度，取值0-1，其中0為不彎曲。做圖結果如下所示：
“R語言怎么實現網絡構建”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
