如何做出漂亮的复杂网络关系图？
在UMAP论文中看到其中的配图都非常漂亮，希望在数学建模中可以配上这样比较Fancy的图（比如下面两图），但是不知道用什么软件可以比较方便快捷的做出，同时做出的效果又还不错？UCINET可以做出比较好的效果吗？&img src=&/ae107c40af0e6b13fe50_b.jpg& data-rawwidth=&911& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&911& data-original=&/ae107c40af0e6b13fe50_r.jpg&&&br&&img src=&/b4e734ce7b2eecf4cc22b5e_b.jpg& data-rawwidth=&1280& data-rawheight=&982& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/b4e734ce7b2eecf4cc22b5e_r.jpg&&
在UMAP论文中看到其中的配图都非常漂亮，希望在数学建模中可以配上这样比较Fancy的图（比如下面两图），但是不知道用什么软件可以比较方便快捷的做出，同时做出的效果又还不错？UCINET可以做出比较好的效果吗？…
多图预警！！！突出显示重要节点不同分组不同颜色各种layout有向曲线边，节点大小，节点标签大小，只有想不到，没有做不到当然了，边粗细，边标签，边颜色，曲边曲率，节点颜色等等各种都可以设置，详情请移步当然了，边粗细，边标签，边颜色，曲边曲率，节点颜色等等各种都可以设置，详情请移步
一般用R中的igraph包就可以实现。不过需要自己仔细调校。同时像mathematica应该这是可以直接做类似的图。
谢邀可能满足你的需求的软件是Gephi，显示效果应该可以算作fancy，而且Ucinet中的.net文件格式可以直接导入Gephi中。
Ucinet可以做到上述第二幅图的效果，对线条粗细颜色、箭头大小、结点颜色、标签字体大小、分布方式进行调节。Ucinet的计算分析功能是很强大的，但是显示效果个人觉得一般，Gephi在这方面做得更好。题主的目的是要好看并且方便快捷。个人的理解可视化效果要好主要是三个要素：1.数据量。同样的方法，同样的设置，数据量的增大无疑会大大增加信息量和展示效果。2.可视化信息：结点形状颜色和大小 连接线条粗细颜色及箭头 标签字体颜色及大小。这里面的每一个部分都需要根据表达目的进行调整和区分，而整体的效果是它们组合的结果，所以这一部分的调整比较耗时。3.后期调整。布局方面，一般的软件都有设定的布局算法，进行选择即可。选择完后，自己再进行微调。此外，自己如果有额外的信息想显示，可以加以PS，如上面的第一幅图中的小图片应该是后期调整的结果。对于方便快捷方面，个人觉得以上的两个软件都还可以，基本都可以设置得到。当然，做网络图的小软件有很多特别是国外，论文应该也是发现这写小软件的途径，个人使用经历也很有限只是提供一个可能的方法。最后提一句，漂亮是重要的，不过弄清楚自己想要表达哪些信息是可视化的第一步，也是非常重要的一步。以上。希望能帮到你。
……更新于号，附上所有代码……最近刚用R的igraph包和networkD3完成了一个项目的可视化内容（前者是静态的后者是动态的），感觉还是比较好看的哈哈（温馨提示，调亮手机） 。：）———————————————分割线——————————————那现在我们来理一下思路，要做出这个效果其实真的一点都不难，现在再翻看刚开始学习时候写的代码……真的是……Naive哈哈。没有一个循环一个function就能直接出图的，不信你看——```{r}
setwd('d:/Rproject')
set.seed(200)
App.use&-read.table("app_data.txt",header
= FALSE,sep= ",",
colClasses
=c("character","character"))
g1&-na.omit(App.use)```## 说明
设定工作目录；
设定种子节点，同一种布局画出来的图就是可以重复，不然即使同一种布局，展现的时候
由于位置的随机也会呈现出不一样的结果；
去除NA值,清除了若干条包含有缺失值的信息。#```{r}library(igraph)
graph.data.frame(d =g1, directed = F);
E(g2)x&-par(bg="white")graph.density(g2)V(g2)$bte =
betweenness(g2, directed = F)par(mar = c(0, 2,
0, 0))plot(V(g2)$bte)```## 说明载入igraph包，这个包是R中对复杂网络的一个解决包；
对数据进行格式转化,我选择的数据是没有方向度量的数据；
这两者都使社会网络分析的函数代码，分别代表定点和边；
将背景设置为白色；
可以查询群体的中心密度，并画出相应的图。#```{r}x&-par(bg="black")
V(g2)$size = 5V(g2)[bte&=1000]$size
=10V(g2)[bte&=100]$size
=2plot(g2,layout=layout.fruchterman.reingold,
vertex.label=NA,edge.arrow.size=1)V(g2)[bte&=1000]# 说明
背景图设置为黑色；
根据节点中心度的图，现做以下处理；
①将中心度高于1000的节点的大小设置为10；
②将中心度低于100的节点的大小设置为2；
③将中心度在100到1000的节点的大小设置为5；
从图中也可以直观地看出，中间度最高的几个节点，确实位于中介的地位具体看这六个点，分别是微信、百度地图、淘宝、优酷、QQ和360。```{r}
plot(g2,layout=layout.fruchterman.reingold,
vertex.size=V(g2)$size,vertex.label=V(g2)$V1)
plot(g2,layout=layout.fruchterman.reingold,vertex.size=V(g2)$size,
vertex.color=rgb(0.2,1,0.8,0.6),vertex.label=NA,edge.arrow.size=1)
标签数量太多，图形看的很乱，因此开始用layout的函数进行调试；
vertex.size即点的大小；vertex.color是点的颜色；
vertex.label即标签名，因为太多所以舍弃；
edge.arrow.size没试出来，不知道是不是因为数据的原因；
此外还有vertex.label.cex、edge.color、edge.arrow.mode、edge.arrow.size等参数；
由于这个网络并不存在方向，所以size没法使用；
另外调节线的宽度可以用下面这种方法单独将“E(g2)$width=”列出来。#
munity(g2,steps=5,merges = TRUE,
modularity = TRUE,
membership = TRUE)
V(g2)$sg=com$membership
V(g2)$color=rainbow(max(V(g2)$sg),alpha=0.6)[V(g2)$sg]
E(g2)$color=rgb(0.3,0.6,1,0.2)
Igraph包中社区分类函数有以下几种：
不同的分类算法，速度和适用社区网络大小都有所侧重；
对于同一网络，采用什么样的分类算法需要实践后去人工判断是否符合预期；
step类似于一种阈值，值越大划分的约粗糙，由于本身数据的量不大，所以step取值较小；
第一行是特殊用法，sp即为subgroup；
其中rainbow即点的颜色，除了这种表达方式之外还能用rainbow(10, 0.8, 0.8, alpha=0.6)；
[V(g2)$sg]实验之后感觉是对颜色的排序进行定义，将相同的类别以相同的颜色表现。
plot(g2,layout=layout.fruchterman.reingold,
vertex.size=V(g2)$size,
vertex.color=V(g2)$color,
edge.width=2,edge.arrow.size=0,
vertex.frame.color=NA,margin= rep(0, 1),
vertex.label=NA)
设置点的大小为之前的值，点的颜色为之前设置为彩虹色，具体的参数还不熟悉，无箭头标度；
设置边得颜色为RGB，宽度为2，透明度为20%，具体数值可调整，边界方位在0和1之间。# 环形单色虹
cluster_spinglass(g2, spins=6, gamma=2.0)
layout=layout.circle
E(g2)$color=rgb(0.3,0.6,1,0.4)
layout=layout, vertex.size=V(g2)$size, vertex.label=NA,edge.width=1,
vertex.color= rgb(0.3,0.6,1,0.4))
```# 环形彩虹
E(g2)$color=V(g2)[name=ends(g2,E(g2))[,2]]$color
layout=layout, vertex.size=V(g2)$size, vertex.label=NA,edge.width=1,
vertex.color= rainbow(10, 0.8, 0.8,
alpha=0.8)[sg1$membership])
```# 单色球体结构的社会网络分布
cluster_spinglass(g2, spins=6, gamma=2.0)
layout=layout.sphere
E(g2)$color=rgb(0.3,0.6,1,0.4)
layout=layout, vertex.size=V(g2)$size, vertex.label=NA,edge.width=1,
vertex.color= rgb(0.3,0.6,1,0.4))
```# 多色球体单色线条结构的社会网络分布
cluster_spinglass(g2, spins=6, gamma=2.0)
layout=layout.sphere
E(g2)$color=rgb(0.3,0.6,1,0.4)
layout=layout, vertex.size=V(g2)$size, vertex.label=NA,edge.width=1,
vertex.color=rainbow(10, 0.8, 0.8,
alpha=0.6)[sg1$membership])
```#多色球体多色线条结构的社会网络分布
cluster_spinglass(g2, spins=6, gamma=2.0)
layout=layout.sphere
E(g2)$color=V(g2)[name=ends(g2,E(g2))[,2]]$color
plot(g2, layout=layout,
vertex.size=V(g2)$size, vertex.label=NA,edge.width=1,
vertex.color=rainbow(10, 0.8, 0.8,
alpha=0.6)[sg1$membership])
```#如果看到这了，觉得有用有帮助的，请点个赞加个关注呗：）毕竟我只是一个关注不过3位数还在不断默默耕耘的“知乎良民”：）
Gephi是一个入门级别的工具，够傻瓜，上手容易R语言中的iGraph和networkD3包也足够优秀，可以满足你绝大多数的画图需要。Processing和Photoshop是在此基础上画出更多效果的工具，前者将静态图做成动画，后者不仅可以做成动画，还可以增加很多的渲染。网络可视化现在已经有很多工具，但是如何画图，还有专门研究展示算法的工作，比如R语言包中iGraph调用时的random-layout是一种算法，再比如Gephi中也提供了几种常用的展示算法，如果你下载Gephi的插件还可以得到更多的展示算法等。
耶！感觉跟房屋平面设计差不多
igraph这个包就很好用的。
Julia挺方便的
Gephi可以比较容易地实现网络可视化如果你用Python，有个package叫networkx也不错更自由同时需要写更多code的方式是使用D3
Gephi 我边上的数据分析师就用，图形化操作也比较方便。
已有帐号？
无法登录？
社交帐号登录【图文】第十章 社会网络分析_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
第十章 社会网络分析
上传于||暂无简介
大小：3.98MB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢(晚晴晓梦)
(玥小菇菇)
(快乐佳宝)
第三方登录：The page is temporarily unavailable
nginx error!
The page you are looking for is temporarily unavailable.
Please try again later.
Website Administrator
Something has triggered an error on your
This is the default error page for
nginx that is distributed with
It is located
/usr/share/nginx/html/50x.html
You should customize this error page for your own
site or edit the error_page directive in
the nginx configuration file
/etc/nginx/nginx.conf.