R语言绘制社会网络图

👇 连享会 · 推文导航 | www.lianxh.cn

• 🍎 Stata：Stata基础 | Stata绘图 | Stata程序 | Stata新命令
• 📘 论文：数据处理 | 结果输出 | 论文写作 | 数据分享
• 💹 计量：回归分析 | 交乘项-调节  | IV-GMM | 时间序列 | 面板数据  | 空间计量 | Probit-Logit | 分位数回归
• ⛳ 专题：SFA-DEA | 生存分析  | 爬虫 | 机器学习 | 文本分析
• 🔃 因果：DID | RDD | 因果推断 | 合成控制法 | PSM-Matching
• 🔨 工具：工具软件 | Markdown | Python-R-Stata
• 🎧 课程：公开课-直播 |  计量专题 | 关于连享会

连享会 · 效率分析专题

作者：郑晓雪 (南开大学)
邮箱：[e-mail]

---

目录

• 1. 简介

• 2. 社会网络基本原理

• 3. 命令介绍

• 3.1 layout 布局

• 3.2 颜色选择

• 3.3 节点设置

• 3.4 线条设置

• 4. 命令实操

• 4.1 固定节点、线条设置

• 4.2 属性节点、权重线条设置

• 5. 参考文献

• 6. 相关推文

---

温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：

 

1. 简介

社会网络图是对网络关系的图示形式，节点间有联系则为 1 (有线条)，无联系则为 0 (无线条)。一些文章中也使用社会网络图表示特定的关系，如以线条的粗细表现权重，节点大小和颜色表示某些属性等。因此，美观又承载多种信息的社会网络图可以为文章添色。本篇文章主要讲述如何用 R 画出具有更多信息的社会网络图。

2. 社会网络基本原理

社会网络的学术研究最早出现于 20 世纪早期，主要指以节点与节点之间的联系所构成的集合。社会网络中有两种基本要素，节点 (社会网络中的主体) 和线条 (节点之间的关系)。社会网络分析的精髓之处在于，从网络成员之间的关联角度出发，能够将分析视角扩展至社会现象乃至社会结构 (Borgatti 和 Foster，2003)。

例如，全球价值链的嵌入使得国际贸易网络更加复杂。双边贸易数据只能够有效表征存在直接贸易的地区之间的经济联系，而不能综合反映共同参与这个贸易链条的世界上其他国家 (地区) 所处的角色与地位。因此通过建立世界贸易网络，并对网络中各项基本特征进行细致刻画，便能够有效地补充传统的贸易研究方法的缺陷 (Albert 和 Barabási，2002) 。

3. 命令介绍

本文主要从网络图的 layout 布局、颜色选择、线条设置、节点设置等方面进行介绍。

3.1 layout 布局

layout 布局主要分为两种：一种是设置成特定形状的网络图，这种网络图除线条粗细、节点大小的特定设置表示的意义外无实际意义；另一种是基于各种算法的优化，这些算法主要目的是均匀分布节点，使边长度均匀，最小化边交叉，保持节点不太靠近边等。占据中心位置的节点一般也是联系较为密切的节点，即越靠近中心位置，该节点的中心性越强，在网络中的结构影响力就越大。

但第二类图多适用于小型网络，大型网络的关联更加复杂，分析其节点位置可以选择其他方式。形状特征的网络图命令主要有：layout_in_circle (节点分布在圆上)、layout_on_grid (节点分布构成矩形)、layout_on_sphere (节点分布构成圆)、layout_randomly (随机分布)。

算法生成的网络图命令主要有：layout_with_fr (Fruchterman-Reingold 算法，用的最多)、layout_with_kk (kk算法)、layout_with_lgl、layout_ with_sugiyama、layout_with_mds、layout_with_graphopt 等。

3.2 颜色选择

R 语言支持广泛的颜色和颜色功能。不带输入参数的 colors() 命令返回 R 中所有可用颜色的列表。目前，有 657 种颜色，颜色可以通过三种方式实现：字符名称 (例如红色、橙色、黄色)，3 位 RGB 值 (例如 255 0 0、265 155 0、255 255 0)，以及十六进制字符串 (例如 #FF0000、#FFA500、#FFFF00)。

本文社会网络绘图中，#FFA500、red 等颜色可以直接替换，RGB 颜色可以通过 rgb() 函数将 RGB 三元组转换为十六进制三元组，如 rgb(255, 165, 0, maxColorValue = 255)。其中 (255,165,0) 是橙色的 RGB 三元组，maxColorValue = 255 表示我们所用的每个 RGB 各有 256 级亮度。

3.3 节点设置

节点有两种设置：一是固定大小，二是根据某些节点属性设置不同的颜色、大小等。

V(g1)$size <- 10        # 固定大小的节点设置
V(g1)$color <- "green"  # 固定颜色的节点设置
V(g1)$label.color <- 'red'
V(g1)$label.cex <- 0.5  # 标签的字号大小设置
V(g1)$label.dist<- 0.5  # 标签和节点错开的距离
# 根据不同属性设置不同节点大小、颜色
V(g1)$size <- V(g1)$leixing  # 根据属性设置节点大小，与固定大小节点选一即可
colrs <- c("gray", "red", "orange", "blue", "yellow")  # 将不同类型分别配置不同颜色
V(g1)$color <- colrs[V(g1)$leixing]                    # 根据不同组别设置颜色

3.4 线条设置

E(g1)$width <- 0.01     # 固定线条的宽度设置
E(g1)$label <- NA       # 选择无标签
E(g1)$arrow.size=0.001  # 箭头大小设置
E(g1)$color<-"#FFA500"  # 线条颜色设置
# 根据权重设置线条宽度
E(g1)$width <- E(g1)$export/90000  # 根据出口量设置不同的线条宽度

4. 命令实操

本文将以 2019 年 HS8541 类半导体产业出口贸易的前 58 个国家 (地区) 贸易量作为样本绘制社会网络图，数据来源为 Uncomtrade。

4.1 固定节点、线条设置

setwd("C:/Users/Desktop/mm")  # 设置路径
library(stats)
library(igraph)
edge <- read.csv("425.csv")
vertices<-read.csv("4255.csv")
g1 <- graph_from_data_frame(edge, directed = T,vertices = vertices)
set.seed(2)                 # 生成随机数，这样图的布局就会可重复
m<-layout_on_sphere(g1)     # 设置图的布局方式为圆形
V(g1)$size <- 5             # 节点大小
V(g1)$color <- "orange"     # 设置颜色
V(g1)$label.color <- 'red'  # 设置节点标记的颜色
V(g1)$label.cex <- 0.5      # 设置节点标记的颜色
V(g1)$label.dist <- 1       # 节点与标签的距离
E(g1)$width <- 0.01         # 根据边宽度
E(g1)$label <- NA           # 根据频次列设置边标签
E(g1)$arrow.size=0.001      # 设置箭头大小
E(g1)$color<-"black"
# 生成图
plot(g1, layout=m)

上图为固定节点颜色、固定线条宽度、固定节点大小、圆形布局的社会网络图，图中的线条可以显示双边连接，但图显示的信息有限。

4.2 属性节点、权重线条设置

setwd("C:/Users/Desktop/mm") # 设置路径
library(stats)
library(igraph)
edge <- read.csv("425.csv")
vertices<-read.csv("4255.csv")
g1 <- graph_from_data_frame(edge, directed = T,vertices = vertices)
set.seed(2)                 # 生成随机数，这样图的布局就会可重
m<-layout_on_sphere(g1)     # 设置图的布局方式为圆形的布局
V(g1)$size <- degree(g1)/10 # 节点大小与点中心度成正比，中心度即与该点相连的点的总数
colrs <- c("gray", "red", "orange", "blue", "yellow")
V(g1)$color <- colrs[V(g1)$leixing]    # 根据不同组别设置颜色,按照类型分组
V(g1)$label.color <- 'red'             # 设置节点标签的颜色
V(g1)$label.cex <- 0.5                 # 设置节点标签的字号
V(g1)$label.dist <- 1                  # 设置节点标签与节点的距离
E(g1)$width <- E(g1)$export/200000000  # 根据权重设置边宽度
E(g1)$label <- NA
E(g1)$arrow.size=0.001                 # 设置箭头大小
E(g1)$color<-"black"                   # 设置线条颜色
# 生成图
plot(g1, layout=m)

在上图中，节点的颜色代表不同洲别的国家 (地区)，大洋洲、欧洲、美洲、非洲、亚洲的颜色分别为灰色、红色、橙色、蓝色和黄色。节点的大小表示该节点在网络中的中心度大小。图中显示中国大陆、中国台湾、中国香港、美国、德国、英国、法国、芬兰、韩国、比利时、菲律宾、印度尼西亚、意大利、瑞士、印度、奥地利、马来西亚等国家 (地区) 在半导体HS 8541类出口贸易中中心度较高，在网络中与其他国家 (地区) 的贸易联系更加密切。

线条与该国在 HS8541 类半导体中出口量成正比，图中显示印度、印度尼西亚、中国大陆、中国台湾、中国香港、新加坡、菲律宾、马来西亚等国家 (地区) 在HS 8541类产品中的贸易量较大。

5. 参考文献

• 网络数据的统计分析：R 语言实践 -Link-
• Fruchterman T M J, Reingold E M. Graph drawing by force‐directed placement[J]. Software: Practice and experience, 1991, 21(11): 1129-1164. -PDF-
• Kamada T, Kawai S. An algorithm for drawing general undirected graphs[J]. Information processing letters, 1989, 31(1): 7-15. -PDF-
• Sugiyama K, Tagawa S, Toda M. Methods for visual understanding of hierarchical system structures[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1981, 11(2): 109-125. -PDF-

6. 相关推文

Note：产生如下推文列表的 Stata 命令为：
  lianxh 网络, m
安装最新版 lianxh 命令：
  ssc install lianxh, replace

• 专题：Stata教程
• Stata：社会网络分析
• 专题：Stata命令
• Stata：社会网络分析命令-nwcommands
• 专题：Stata资源
• Stata帮助和网络资源汇总(持续更新中)
• 专题：回归分析
• Stata：时变参数的网络分析-nwxtregress
• 专题：其它
• 人工神经网络与Stata应用

课程推荐：因果推断实用计量方法
主讲老师：丘嘉平教授
🍓 课程主页：https://gitee.com/lianxh/YGqjp

 

New！ Stata 搜索神器：lianxh 和 songbl  GIF 动图介绍
搜： 推文、数据分享、期刊论文、重现代码 ……
👉 安装：
  . ssc install lianxh
  . ssc install songbl
👉  使用：
  . lianxh DID 倍分法
  . songbl all

🍏 关于我们

• 连享会 ( www.lianxh.cn，推文列表) 由中山大学连玉君老师团队创办，定期分享实证分析经验。
• 直通车： 👉【**百度一下：**连享会】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。