R语言复杂网络分析各大电视台合播电视剧数量可视化

全文链接：http://tecdat.cn/?p=30961

原文出处：拓端数据部落公众号

我们围绕网络可视化分析技术进行一些咨询，帮助客户解决独特的业务问题。

为了分析电视台时间关系形态变化，我们获取了电视台合播电视剧数量数据：

1、黄色的方格内，数字大小表示为节点面积，即该电视台独播电视剧数量

2、白色的方格内，数字大小表示为连接强弱，可以为具体若干条连线、或连线的透明度、或连线的粗细，即这两个电视台合播电视剧数量

3、整体呈现，可以看到两年同样电视台的关系形态变化，输出一些网络分析的指标

2020年数据

读取文件

library(igraph); network= as.matrix(data)[,-1] network=apply(network,1,as.numeric)

给点的名称赋值

enames=colnames(data)[-1] events =network

将对角线的元素赋值为0

生成网络图格式

for(i in 1:n) { for(j in i:n) { s = paste(c(as.character(i), as.character(j), as.character(monopartite[i,j]), "\r"), collapse=" ") write(s, file=f, append=TRUE, sep="") } }

读取网络图格式文件

e=read.graph("events.net",

对边进行删减，减去连接很小的边

if(is.null(E(graph)$weight)) stop("No weights for censoring the edges!") es = E(graph)[E(graph)$weight<floor | E(graph)$weight>ceiling] newgraph = graph - es newgraph = newgraph

给每个边的宽度进行赋值，用粗细表示

plot(newe, vertex.size=diag(network), vertex.shape="square", vert

对图进行删减，删去连接少的边

newe = censor.edgeweight(e, floor=2); newe

给每个边的宽度进行赋值，用粗细表示

E(newe)$width = E(newe)$weight

2021年数据

## X1 湖南卫视 浙江卫视 江苏卫视 北京卫视 上海东方卫视 山东卫视 ## 1 湖南卫视 24 1 0 0 0 0 ## 2 浙江卫视 1 5 3 1 3 1 ## 3 江苏卫视 0 3 7 1 2 1 ## 4 北京卫视 0 1 1 4 5 1 ## 5 上海东方卫视 0 3 2 5 5 3 ## 6 山东卫视 0 1 1 1 3 3 ## 安徽卫视 天津卫视 江西卫视 湖北卫视 深圳卫视 云南卫视 黑龙江卫视 ## 1 0 0 0 0 0 0 0 ## 2 2 1 0 0 2 0 0 ## 3 1 2 0 1 0 0 0 ## 4 1 0 0 0 1 0 0 ## 5 3 3 0 0 0 1 0 ## 6 2 3 3 2 0 2 2 ## 广东卫视 重庆卫视 贵州卫视 四川卫视 辽宁卫视 河北卫视 河南卫视 东南卫视 ## 1 0 0 0 0 0 0 0 1 ## 2 0 0 2 0 0 0 0 0 ## 3 0 1 0 0 0 1 0 0 ## 4 1 0 0 1 0 1 1 0 ## 5 0 1 0 0 0 0 0 0 ## 6 0 0 1 0 3 1 1 0 ## 吉林卫视 广西卫视 央视一套 央视八套 ## 1 0 0 0 0 ## 2 0 0 0 0 ## 3 0 0 1 0 ## 4 0 0 0 0 ## 5 0 0 0 0 ## 6 0 0 0 0

给点的名称赋值

enames=colnames(data)[-1]

将对角线的元素赋值为0

生成网络图格式

s = paste(c("*vertices ", as.character(n), "\r\n*edges\r"), collapse="") write(s, file=f, sep="") for(i in 1:n) { for(j in i:n) { s = paste(c(as.character(i), as.character(j),

读取网络图格式文件

e=read.graph("events.net", format="pajek")

对边进行删减，减去连接很小的边

if(is.null(E(graph)$weight)) stop("No weights for censoring the edges!") es = E(graph)[E(graph)$weight<floor | E(graph)$weight>ceiling]

给每个边的宽度进行赋值，用粗细表示

plot(newe, vertex.size=diag(network), vertex.shape="square",

对图进行删减，删去连接少的边

newe = censor.edgeweight(e, floor=2); newe

## IGRAPH UNW- 25 27 -- ## + attr: name (v/c), weight (e/n)

给每个边的宽度进行赋值，用粗细表示

E(newe)$width = E(newe)$weight vertex.label.degree=pi/2, layout=layout.circle)

最受欢迎的见解

1.R语言动态图可视化：如何、创建具有精美动画的图

2.R语言生存分析可视化分析

3.Python数据可视化-seaborn Iris鸢尾花数据

4.r语言对布丰投针（蒲丰投针）实验进行模拟和动态

5.R语言生存分析数据分析可视化案例

6.r语言数据可视化分析案例：探索brfss数据数据分析

7.R语言动态可视化：制作历史全球平均温度的累积动态折线图动画gif视频图

8.R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告

9.python主题LDA建模和t-SNE可视化

网址：R语言复杂网络分析各大电视台合播电视剧数量可视化 https://mxgxt.com/news/view/1578514

相关内容

R语言网络和网络流的可视化实践：通勤者流动网络
网络分析：如何用R可视化社交网络
社交网络数据的分析及可视化技术
《电视剧数据分析》课件
大数据电影分析：数据可视化的力量
电视剧行业市场深度分析 中国电视剧出口数据分析2022
数据可视化：理解网络流量的新视角
R语言实战——线性回归分析和相关矩阵可视化
社交网络数据分析与可视化.pptx
2019年全网热播电视剧排行榜及网络热度情况分析

随便看看