igraph是一个免费的软件包，用于创建和操作大型无向和有向图。它是用C语言编写的，但是具有与R，Python或Ruby等高级语言的接口。
make_empty_graph（n = 0，directed = direct）中的错误：VECTOR_ELT（）只能应用于“列表”，而不是“闭包”
作为本学期我正在进行的研究的一部分，我正在添加一个由以前的学生已经构建的网络，但我遇到了以前从未遇到过的错误。这段代码不是我写的，我...
从 igraph 中的 dict 访问不同的权重 - python
我正在尝试使用 igraph 返回单个节点与其他节点列表之间的距离。当我使用单一重量时效果很好。但我想给边缘添加各种权重并且能够...
我想做与这篇文章完全相同的事情，但是用Python；又名给定一个自然整数列表，生成一个随机邻接矩阵，其度数与该列表匹配。 我对
如何根据 cluster_edge_ Betweenness 输出删除边
我想按照这里的要求做同样的事情，使用问题中的第一种方法。 遗憾的是，以下行中的 mods 变量未定义，我问自己如何调整： g2 <- delete.
如何根据 cluster_edge_ Betweenness 输出删除边缘
我想做同样的事情，即问题的第一种方法。 : igraph 将图拆分为簇 遗憾的是，以下问题中的 mods 参数没有定义，我问自己……
我正在尝试复制一般网络分析 R 'igraph' 包代码中似乎缺少的措施。我能找到的最好的命令是“igraph”包中的命令，但这只能给出...
“最大强连通分量（LSCC）”在 igraph 中等效测量？
我正在尝试复制“最大强连通分量（LSCC）”测量，这似乎在通用网络分析 R 'igraph' 包代码中不存在。我能找到的最好的是“
我尝试在R中实现k-core算法。但是结果与igraph::coreness中的结果不同。 根据我对 R 算法的理解，我创建的函数是这样的： 我的_kc...
在这个问题中（网络中的节点求和），我学习了如何在原始网络中找到具有最大节点和的平方。 这是这个问题的数据： 图书馆（igraph） 无线...
我正在对一群人进行一年多的行为观察。该组被细分为子组。子组的组成随着时间的推移而变化，因此我创建了一个循环来计算...
我尝试在R中实现k-core算法。但是结果与igraph::coreness中的结果不同。 根据我对 R 算法的理解，我创建的函数是这样的： 我的_kc...
我尝试在R中实现k-core算法。但是结果与igraph::coreness中的结果不同。 根据我对 R 算法的理解，我创建的函数是这样的： 我的_kc...
有一些类似的帖子（比如这个和这个），但我的问题可能对于 igraph 包功能来说更基本。 这是生成简单图表的最小示例： 图书馆...
如何将图转换为具有给定类型的稀疏邻接矩阵（“dgCMatrix”除外）
如何一步将图转换为稀疏‘dgTmatrix’？ 图书馆（igraph） 库（矩阵） 克<- make_ring(5) adj <- as_adjacency_matrix(g, sparse = TRUE) class(adj) # [1] "dgCMatrix&quo...
给定一个单分 igraph 对象 G 和一个仅包含 G 中某些边的边属性的邻接矩阵 attrib，将属性添加到 G 的最有效方法是什么。 这是一个
R 包中的函数返回 ggplot2 绘图对象。如何更改其中的属性，就像在 Python matplotlib 中一样，我可以访问 Fig.axes[0].set_... 函数？ 导师有很多...
使用 igraph 和 python，我尝试在顶点和边上绘制标签，但它们显示错误。 我的代码： 将 igraph 导入为 ig g = ig.Graph(有向 = True, n=4) g.add_edges([(0,1), (...
我一直致力于从课程级数据库中有效地计算每个学生的同学数量。 考虑这个数据框，其中每一行代表学生所学的课程......
考虑： 图书馆（igraph） 克<- make_ring(3) identical(g, g) # TRUE as expected # [1] TRUE dput(E(g)) # structure(1:3, is_all = TRUE, class = "igraph.es", env = 考虑： library(igraph) g <- make_ring(3) identical(g, g) # TRUE as expected # [1] TRUE dput(E(g)) # structure(1:3, is_all = TRUE, class = "igraph.es", env = <weak reference>, graph = "4f82a4da-3975-11ef-8958-675a79d1d14f") E(g) == E(g) # test equality. # [1] TRUE TRUE TRUE all.equal(E(g), E(g)) # Next try. # [1] TRUE identical(E(g), E(g), ignore.environment = FALSE) # Expecting TRUE. # [1] FALSE identical(E(g), E(g), ignore.environment = TRUE) # Expecting TRUE. # [1] FALSE 问题：为什么是假的？ 我推测 identical 会给出 False，因为 E(g) 在第一次和第二次调用之间被分配了不同的地址，例如 > library(data.table) > address(E(g)) [1] "000001a51697f368" > address(E(g)) [1] "000001a516666e68"
我在 R 中制作了以下网络： 图书馆（igraph） 库（重塑2） 北美城市 <- c("New York", "Los Angeles", "Chicago", "Houston", "Ph...