如何做出漂亮的复杂网络关系图？

07628817921

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？

梅李妲

igraph这个包就很好用的。

qmdex6

耶！感觉跟房屋平面设计差不多

371618964

推荐使用D3

小卖部主任

Gephi吧，简单易用，本人借助其做市场竞争分析。

真抓啊

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

lMonbee

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。

王者蓝天

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。

cenferker

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。

迈步GOGOGO

……更新于2016.3.20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)   
g2 =graph.data.frame(d =g1, directed = F);  
V(g2)  
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)$size = 5
V(g2)[bte>=1000]$size=10
V(g2)[bte<=100]$size=2
plot(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)$size,
vertex.color=rgb(0.2,1,0.8,0.6),vertex.label=NA,edge.arrow.size=1)
```
# 说明
  标签数量太多，图形看的很乱，因此开始用layout的函数进行调试；
  vertex.size即点的大小；vertex.color是点的颜色；
  vertex.label即标签名，因为太多所以舍弃；
  edge.arrow.size没试出来，不知道是不是因为数据的原因；
  此外还有vertex.label.cex、edge.color、edge.arrow.mode、edge.arrow.size等参数；
  由于这个网络并不存在方向，所以size没法使用；
  另外调节线的宽度可以用下面这种方法单独将“E(g2)$width=”列出来。
#
```{r}
com =walktrap.community(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)
```
#
# 资料
  Igraph包中社区分类函数有以下几种：
  fastgreedy.community
  spinglass.community
  edge.betweenness.community
  leading.eigenvector.community
  walktrap.community
   label.propagation.community
  clique.community
  multilevel.community
# 说明
  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)$sg]实验之后感觉是对颜色的排序进行定义，将相同的类别以相同的颜色表现。
#
```{r}
plot(g2,layout=layout.fruchterman.reingold,vertex.size=V(g2)$size,
vertex.color=V(g2)$color,edge.width=2,edge.arrow.size=0,
vertex.frame.color=NA,margin= rep(0, 1),
vertex.label=NA)
```
# 说明
  设置点的大小为之前的值，点的颜色为之前设置为彩虹色，具体的参数还不熟悉，无箭头标度；
  设置边得颜色为RGB，宽度为2，透明度为20%，具体数值可调整，边界方位在0和1之间。
# 环形单色虹  
```{r}
sg1 <-cluster_spinglass(g2, spins=6, gamma=2.0)
layout=layout.circle
E(g2)$color=rgb(0.3,0.6,1,0.4)
plot(g2,layout=layout, vertex.size=V(g2)$size, vertex.label=NA,edge.width=1,
vertex.color= rgb(0.3,0.6,1,0.4))
```
# 环形彩虹
```{r}
E(g2)$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=0.8)[sg1$membership])
```
# 单色球体结构的社会网络分布
```{r}
sg1 <-cluster_spinglass(g2, spins=6, gamma=2.0)
layout=layout.sphere
E(g2)$color=rgb(0.3,0.6,1,0.4)
plot(g2,layout=layout, vertex.size=V(g2)$size, vertex.label=NA,edge.width=1,
vertex.color= rgb(0.3,0.6,1,0.4))
```
# 多色球体单色线条结构的社会网络分布
```{r}
sg1 <-cluster_spinglass(g2, spins=6, gamma=2.0)
layout=layout.sphere
E(g2)$color=rgb(0.3,0.6,1,0.4)
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])
```
#多色球体多色线条结构的社会网络分布
```{r}
sg1 <-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”
：）