从事件级数据创建网络数据

Question

作为网络分析的新手，我正在努力将要绘制的事件级数据集转换为正确的形状。我很感谢任何提示/线索/等。到目前为止，我所做的大致遵循 this 介绍。

相关数据集包含政党 Jobbik 组织的活动。每个由唯一 ID (id) 定义的事件都有关联的组织发起人 (org_names) 及其类型 (org)。 org_1、org_2 或 org_names1 和 org_names2 之间没有层次结构。

最初数据集采用宽格式。虽然我不确定这是否是我应该做的，但我要做的第一步是将数据转换为长格式并清理一些字符串。这是读取数据并将其转换为长格式的代码：

jobbik <- read.csv("http://eborbath.github.io/stackoverflow/jobbik.csv")


library(tidyverse)
library(stringr)
library(igraph)

# long format

jobbik <- reshape(as.data.frame(jobbik), dir='long',
                  varying=list(c(3:13), c(14:24)),
                  v.names=c('org_names', 'org'), times = c(as.character(seq(1:11))))
jobbik$org <- str_trim(jobbik$org, side="both")
jobbik$org_names <- str_trim(jobbik$org_names, side="both")
jobbik <- jobbik %>%
  filter(!(org=="no other organizer" & org_names=="")) %>%
  filter(!(org=="JOBBIK" & org_names %in% c("Jobbik",
                                            "Jobbik Magyarországért Mozgalom",
                                            "",
                                            "JObbik",
                                            "jobbik",
                                            "aktivisté Jobbiku",
                                            "a Jobbik"))) %>% 
  mutate(org_names=ifelse(org_names=="", org, org_names)) %>%
  distinct(.)

下一步我要创建网络数据集。为此，我计算了每个独特组织参与 Jobbik 活动的次数。将 Jobbik 添加为每条边的一侧并使用 igraph 绘制数据：

network <- jobbik %>%
  select(id, org_names) %>% 
  group_by(org_names) %>%
  summarise(weight = n()) %>% 
  ungroup() %>% 
  mutate(from=1,
         org_names=as.factor(org_names)) %>% 
  mutate(org_id=as.numeric(factor(org_names)))

edges <- network %>% select(from, org_id, weight)
nodes <- network %>% select(org_id, org_names) %>% 
  mutate(org_names=as.character(org_names))


routes_igraph <- graph_from_data_frame(d = edges, vertices = nodes, directed = FALSE)

plot(routes_igraph, layout = layout_with_graphopt)

虽然它运行并创建了网络，但它只让我了解每个独特组织与 Jobbik 之间的关系，而不是这些不涉及 Jobbik 的组织之间的关系。我意识到错误出在我所做的数据转换中，我应该使用事件级别的信息来计算每个组织对参与组织某事的次数，然后绘制该数据。不幸的是，虽然我不知道如何到达那里。我很感激任何帮助。

Answer 1

我并不是网络分析方面的专家，尤其是igraph。但我认为这样的事情可能会有所帮助。

我更改了您分析的预处理部分，因为我在某种程度上发现了一些并发症：

1. 匈牙利语的编码：找到正确的编码需要时间（参见read_csv 调用中的locale = 'cp1250；
2. 收集后我将org_name* 更改为org 和org* 更改为type；
3. 我使用chop 让spread 更容易 -> unnest;
4. 我尝试缩短 filter 的通话时间，但没有取得很大成功；
5. 我使用stringr::str_to_title()来统一org var，因为有相同的名称，只是名称的第n个单词是否大写;

6. 我使用coalesce 用来自type var 的值填充org var 的NAs。

   library(tidyverse)
   library(magrittr)
   library(igraph)
   
   jobbik <- read_csv(
     "http://eborbath.github.io/stackoverflow/jobbik.csv", 
     trim_ws = T, 
     locale = locale(encoding = 'cp1250')
     )
   
   jobbik %<>%
     gather('key', 'val', -c('id', 'date')) %>%
     mutate(
       key = case_when(
         grepl('^org_names\\d+$', key) ~ 'org',
         grepl('^org\\d+$',       key) ~ 'type',
         TRUE                         ~ key
       )
     ) %>%
     chop(val) %>%
     spread(key, val) %>%
     unnest(c(org, type)) %>%
     filter(
       !(is.na(org) & (type == 'no other organizer')) &
       !((is.na(org) | grepl('.*jobbik.*', org, T  )) & (type == 'JOBBIK'))
     ) %>%
     mutate(org = str_to_title(coalesce(org, type)))
   

为了形成图边的数据框，我按事件的id 分组，过滤掉仅由一个组织支持的所有事件（因此与其他组织没有联系），最后创建对在id 内具有combn 功能的组织之间。结果是字符向量Org A-Org B，在取消嵌套之后，我使用- 作为拆分将其分成from 和to（如果组织名称有-，这可能很危险）中的符号）。如果有的话，我也会过滤掉所有的自循环。最后一个操作是count，用于计算每一对出现在 Jobbik 会议列表中的频率。我将它分配给width，因为在绘图时，igraph::plot 将使用它作为边缘的宽度。

ed <- jobbik %>%
  group_by(id) %>%
  filter(n() > 1) %>%
  summarise(edge = list(combn(org, 2, paste, collapse = '-'))) %>%
  unnest(edge) %>%
  separate(edge, into = c('from', 'to'), sep = '-') %>%
  filter(from != to) %>%
  count(from, to, name = width)

对顶点执行类似的分析。我在这里添加了顶点的额外信息，即事件id、date、组织type，您可以进一步使用它们，color - 映射给定组织的次数。支持 Jobbik 和一些额外的图形参数用于后一个图。

nd <- jobbik %>%
  filter(org %in% c(ed$from, ed$to)) %>%
  group_by(name = org) %>%
  summarise(
    id   = sprintf('Event ids: %s', paste(id, collapse = ', ')),
    date = sprintf('Event dates: %s', paste(date, collapse = ', ')),
    type = sprintf('Org. type: %s',   paste(type, collapse = '; ')),
    color = n() 
  ) %>%
  ungroup() %>%
  mutate(
    color = heat.colors(10)[cut(color, 10)],
    frame.color = NA,
    label.dist = 1,
    label.cex = .5,
    label.color = 'gray10'
  )

有了这些数据，我们可以制作无向图，使用graph_from_data_frame()函数：

g <- graph_from_data_frame(ed, F, nd)
vertex_attr(g, 'size') <- degree(g, mode = 'all')

在上面的第二行中，我添加了顶点属性size 以将顶点的度数映射到顶点的大小。

最后要绘制社区，我可以这样做：

plot(
  g,
  edge.curved  = .2,
  layout = layout_with_kk,
  asp = 1,
  main = 'Jobbik interaction network',
  )