R包绘制网络图-使用R中的包绘制网络图-R01

背景:网络图是由点和边构成的图结构,常用来可视化基因调控网络等。本地图形化界面的网络图软件有Gephi和Cytoscape,这里使用R中的包绘制网络图,以便可视化加入到流程中。

  • 数据预处理
    可视化的网络图通常需要两个文件,边edges文件和点nodes文件,其中边文件通常包含(源节点,目标节点,边权重)的信息,点文件则包括所有的节点的唯一值即可。
#'数据预处理,构建edges和nodes表格
p_load("navdata","tidyverse", "igraph", "tidygraph", "ggraph")
data("phone.call")
head(phone.call, 3)
sources <- phone.call %>% distinct(source) %>% rename(label = source)
destinations <- phone.call %>% distinct(destination) %>% rename(label = destination)
nodes <- full_join(sources, destinations, by = "label")
nodes <- nodes %>% mutate(id = 1:nrow(nodes)) %>% select(id, everything()) #' 添加id
head(nodes)
phone.call <- phone.call %>% rename(weight = n.call) #' 列重命名
edges <- phone.call %>% left_join(nodes, by = c("source" = "label")) %>% rename(from = id) #'构建边列表
edges <- edges %>% left_join(nodes, by = c("destination" = "label")) %>% rename(to = id)
edges <- select(edges, from, to, weight)
head(edges)
  • 方法一 使用igraph
#'方法一 使用igraph
library(igraph)
net.igraph <- graph_from_data_frame(d = edges, vertices = nodes,directed = TRUE)
set.seed(123)
png("fig1_my_test.png")
plot(net.igraph, edge.arrow.size = 0.2,layout = layout_with_graphopt)
dev.off()

结果like this:


igraph.png
  • 方法二 使用tidygraph和ggraph
library(tidygraph)
library(ggraph)
net.tidy <- tbl_graph(nodes = nodes, edges = edges, directed = TRUE)
pp<-ggraph(net.tidy, layout = "graphopt") +
  geom_node_point(col = 'gold',size = 2) + #'点信息
  geom_edge_link(aes(width = weight), alpha = 0.8) +  #'边信息
  scale_edge_width(range = c(0.2, 2)) + #'控制粗细
  geom_node_text(aes(label = label), repel = TRUE) + #'增加节点的标签,reple避免节点重叠
  labs(edge_width = "phone.call") + #'图例标签
  theme_graph()
ggsave("fig2_test.png",pp)

结果like this:


ggraph.png

如果想画成圆形:

pp<-ggraph(net.tidy, layout = "linear",circular=TRUE) +
  geom_node_point(col = 'gold',size = 2) + #'点信息
  geom_edge_link(aes(width = weight), alpha = 0.8) +  #'边信息
  scale_edge_width(range = c(0.2, 2)) + #'控制粗细
  geom_node_text(aes(label = label), repel = TRUE) + #'增加节点的标签,reple避免节点重叠
  labs(edge_width = "phone.call") + #'图例标签
  theme_graph()
ggsave("fig3_test.png",pp)

ggraph.png

ggraph的参数可以仔细调整,有很多叠加的图层。

总结:根据自己的习惯,封装成函数很好用。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,366评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,521评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,689评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,925评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,942评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,727评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,447评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,349评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,820评论 1 317
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,990评论 3 337
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,127评论 1 351
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,812评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,471评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,017评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,142评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,388评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,066评论 2 355

推荐阅读更多精彩内容