用R语言呈现人拉人模式的关系网数据

最新推荐文章于 2024-07-10 10:05:13 发布
最新推荐文章于 2024-07-10 10:05:13 发布
阅读量1k 收藏
点赞数
分类专栏： R语言 网络 文章标签： r语言 关系分析 网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_28887735/article/details/52496468
版权

最近公司正在做一个基于熟人关系网络的投顾系统，数据库里面有一个基础的拉人注册表，描述了注册者和他的上级的从属关系，是一级关系。

但是公司基于业务需要，需要对每一个人的上下线关系进行梳理这样就必须要有一个表，我的第一反应是这个表太简单了，不就是上下级关系吗？结果，我被打脸了，实际情况没那么简单，因为邀请表里面是一张表，包含了所有的邀请关系，如果邀请级别有20级，数量有十万，那跑一次循环就是十万的平方级别，计算量超级大。

闲话少说，我先拿少量数据来试试手，第一批拿出来的是约1000个邀请关系，数据截图如下：



我需要将这些数据转化为大约十级的邀请关系，首先我必须考虑好这些数据以什么方式呈现出来，最好的方式是什么呢？

最好的方式我想到是树状图，但是树状图用excel表格不好表示，只能以画图的形式呈现，想要对结果进行深层次分析会有阻碍。

想来想去，只能以一条条数据来呈现了，就是一行显示从一级到十级每一级用户的信息，如果从1级到9级都是同样的人，就十级不同，也要显示两条数据。


这里实际上有两种实现思路，一种是从第一级找到源头，然后顺藤摸瓜把整个第一级的下属人员找出来，是找树的思维，从整体到微观；

另外一种是，找到最后级别的人，逆向寻找上级，形成一条条数据，是找每一行的思维，从微观到整体。


目前我编写的R语言是从整体到个体的代码，具体代码如下：

library(Matrix)


rhd<-read.csv("f:/Rdata/rhd/rhdgx.csv",header = F,encoding = 'utf8',na.string='NA')
#对数据集要求为第一行无列名


num1<-as.character(setdiff(rhd[,1],rhd[,3]))
#找出邀请人和被邀请人的非交集，作为character格式存储,方便循环比较


R12<-matrix(0,1,3)
#初始化数据集，用来记录一级拉人关系


for (z1 in 1:nrow(rhd)){
  for (z2 in 1:length(num1))
    try({if (rhd[z1,1]==num1[z2]) 
    {
        R1=rhd[z1,]
        R12<-rbind(R12,R1)}
    },silent = T)
}
R12<-R12[-1,]
R12[is.na(R12)]<-0


num12<-as.character(unique(R12[,3]))
#找出2级拉人者的ID，作为character格式存储,方便循环比较


R23<-matrix(0,1,3)
#初始化数据集，用来记录2级拉人关系


for (z1 in 1:nrow(rhd)){
  for (z2 in 1:length(num12))
    try({if (rhd[z1,1]==num12[z2]) 
    {
      R1=rhd[z1,]
      R23<-rbind(R23,R1)}
    },silent = T)
}
R23<-R23[-1,]
R23[is.na(R23)]<-0






R123<-matrix(0,1,5)
#初始化数据集，用来记录2级拉人关系
for (z1 in 1:nrow(R12)){
  for (z2 in 1:nrow(R23))
    try({if (R12[z1,3]==R23[z2,1]) 
    { R1=cbind(R12[z1,],R23[z2,2:3])
      R123<-rbind(R123,as.matrix(R1))}
        },silent = F)
}
R123<-R123[-1,]




for (z1 in 1:nrow(R12))
    try({if (R12[z1,3]==0) 
    { R1=cbind(R12[z1,],matrix(0,1,2))
    R123<-rbind(as.matrix(R1),R123)}
    },silent = F)
#将未拉人的一级投资者并入到2级拉人表格中
R123[is.na(R123)]<-0




num123<-as.character(unique(R23[,3]))
#找出3级拉人者的ID，作为character格式存储,方便循环比较


R34<-matrix(0,1,3)
#初始化数据集，用来记录3级拉人关系


for (z1 in 1:nrow(rhd)){
  for (z2 in 1:length(num123))
    try({if (rhd[z1,1]==num123[z2]) 
    {
      R1=rhd[z1,]
      R34<-rbind(R34,R1)}
    },silent = T)
}
R34<-R34[-1,]
R34[is.na(R34)]<-0






R1234<-matrix(0,1,7)
#初始化数据集，用来记录3级拉人关系
for (z1 in 1:nrow(R123)){
  for (z2 in 1:nrow(R34))
    try({if (R123[z1,5]==R34[z2,1]) 
    {
      R1=cbind(t(R123[z1,]),R34[z2,2:3])
      R1234<-rbind(R1234,as.matrix(R1))}
    }
    ,silent = F)
}
R1234<-R1234[-1,]




for (z1 in 1:nrow(R123))
  try({if (R123[z1,5]==0) 
  { R1=cbind(t(R123[z1,]),matrix(0,1,2))
  R1234<-rbind(as.matrix(R1),R1234)}
  },silent = F)
#将未拉人的投资者并入到3级拉人表格中
R1234[is.na(R1234)]<-0




num1234<-as.character(unique(R34[,3]))
#找出4级拉人者的ID，作为character格式存储,方便循环比较


R45<-matrix(0,1,3)
#初始化数据集，用来记录4级拉人关系


for (z1 in 1:nrow(rhd)){
  for (z2 in 1:length(num1234))
    try({if (rhd[z1,1]==num1234[z2]) 
    {
      R1=rhd[z1,]
      R45<-rbind(R45,R1)}
    },silent = T)
}
R45<-R45[-1,]
R45[is.na(R45)]<-0






R12345<-matrix(0,1,9)
#初始化数据集，用来记录4级拉人关系
for (z1 in 1:nrow(R1234)){
  for (z2 in 1:nrow(R45))
    try({if (R1234[z1,7]==R45[z2,1]) 
    {
      R1=cbind(t(R1234[z1,]),R45[z2,2:3])
      R12345<-rbind(R12345,as.matrix(R1))}
    }
    ,silent = F)
}
R12345<-R12345[-1,]


for (z1 in 1:nrow(R1234))
  try({if (R1234[z1,7]==0) 
  { R1=cbind(t(R1234[z1,]),matrix(0,1,2))
  R12345<-rbind(as.matrix(R1),R12345)}
  },silent = F)
#将未拉人的投资者并入到4级拉人表格中
R12345[is.na(R12345)]<-0


num12345<-as.character(unique(R45[,3]))
#找出5级拉人者的ID，作为character格式存储,方便循环比较


R56<-matrix(0,1,3)
#初始化数据集，用来记录5级拉人关系


for (z1 in 1:nrow(rhd)){
  for (z2 in 1:length(num12345))
    try({if (rhd[z1,1]==num12345[z2]) 
    {
      R1=rhd[z1,]
      R56<-rbind(R56,R1)}
    },silent = T)
}
R56<-R56[-1,]
R56[is.na(R56)]<-0






R123456<-matrix(0,1,11)
#初始化数据集，用来记录5级拉人关系
for (z1 in 1:nrow(R12345)){
  for (z2 in 1:nrow(R56))
    try({if (R12345[z1,9]==R56[z2,1])
    {
      R1=cbind(t(R12345[z1,]),R56[z2,2:3])
      R123456<-rbind(R123456,as.matrix(R1))}
    }
    ,silent = F)
}
R123456<-R123456[-1,]


for (z1 in 1:nrow(R12345))
  try({if (R12345[z1,9]==0) 
  { R1=cbind(t(R12345[z1,]),matrix(0,1,2))
  R123456<-rbind(as.matrix(R1),R123456)}
  },silent = F)
#将未拉人的投资者并入到5级拉人表格中
R123456[is.na(R123456)]<-0


num123456<-as.character(unique(R56[,3]))
#找出6级拉人者的ID，作为character格式存储,方便循环比较
R67<-matrix(0,1,3)
#初始化数据集，用来记录6级拉人关系


for (z1 in 1:nrow(rhd)){
  for (z2 in 1:length(num123456))
    try({if (rhd[z1,1]==num123456[z2]) 
    {
      R1=rhd[z1,]
      R67<-rbind(R67,R1)}
    },silent = T)
}
R67<-R67[-1,]
R67[is.na(R67)]<-0






R1234567<-matrix(0,1,13)
#初始化数据集，用来记录6级拉人关系
for (z1 in 1:nrow(R123456)){
  for (z2 in 1:nrow(R67))
    try({if (R123456[z1,11]==R67[z2,1]) 
    {
      R1=cbind(t(R123456[z1,]),R67[z2,2:3])
      R1234567<-rbind(R1234567,as.matrix(R1))}
    }
    ,silent = F)
}
R1234567<-R1234567[-1,]


for (z1 in 1:nrow(R123456))
  try({if (R123456[z1,11]==0) 
  { R1=cbind(t(R123456[z1,]),matrix(0,1,2))
  R1234567<-rbind(as.matrix(R1),R1234567)}
  },silent = F)
#将未拉人的投资者并入到6级拉人表格中
R1234567[is.na(R1234567)]<-0


num1234567<-as.character(unique(R67[,3]))
#找出7级拉人者的ID，作为character格式存储,方便循环比较


R78<-matrix(0,1,3)
#初始化数据集，用来记录7级拉人关系


for (z1 in 1:nrow(rhd)){
  for (z2 in 1:length(num1234567))
    try({if (rhd[z1,1]==num1234567[z2]) 
    {
      R78<-rbind(R78,rhd[z1,])}
    },silent = F)
}
R78<-R78[-1,]
R78[is.na(R78)]<-0


R12345678<-matrix(0,1,15)
#初始化数据集，用来记录7级拉人关系
for (z1 in 1:nrow(R1234567)){
  for (z2 in 1:nrow(R78))
    try({if (R1234567[z1,13]==R78[z2,1]) 
    {
      R1=cbind(t(R1234567[z1,]),R78[z2,2:3])
      R12345678<-rbind(R12345678,as.matrix(R1))}
    }
    ,silent = F)
}
R12345678<-R12345678[-1,]


for (z1 in 1:nrow(R1234567))
  try({if (R1234567[z1,13]==0) 
  { R1=cbind(t(R1234567[z1,]),matrix(0,1,2))
  R12345678<-rbind(as.matrix(R1),R12345678)}
  },silent = F)
#将未拉人的投资者并入到7级拉人表格中
R12345678[is.na(R12345678)]<-0




#目前钱串只到第八级，暂无后面的数据，2016-8-22
num12345678<-as.character(unique(R78[,3]))
#找出8级拉人者的ID，作为character格式存储,方便循环比较
R89<-matrix(0,1,3)
#初始化数据集，用来记录8级拉人关系


for (z1 in 1:nrow(rhd)){
  for (z2 in 1:length(num12345678))
    try({if (rhd[z1,1]==num12345678[z2]) 
    {
      R1=rhd[z1,]
      R89<-rbind(R89,R1)}
    },silent = T)
}
R89<-R89[-1,]
R89[is.na(R89)]<-0


R123456789<-matrix(0,1,17)
#初始化数据集，用来记录8级拉人关系
for (z1 in 1:nrow(R12345678)){
  for (z2 in 1:nrow(R89))
    try({if (R12345678[z1,15]==R89[z2,1]) 
    {
      R1=cbind(t(R12345678[z1,]),R89[z2,2:3])
      R123456789<-rbind(R123456789,as.matrix(R1))}
    }
    ,silent = F)
}
R123456789<-R123456789[-1,]


for (z1 in 1:nrow(R12345678))
  try({if (R12345678[z1,15]==0) 
  { R1=cbind(t(R12345678[z1,]),matrix(0,1,2))
  R123456789<-rbind(as.matrix(R1),R123456789)}
  },silent = F)
#将未拉人的7级投资者并入到8级拉人表格中
R123456789[is.na(R123456789)]<-0


num123456789<-as.character(unique(R89[,3]))
#找出9级拉人者的ID，作为character格式存储,方便循环比较
R90<-matrix(0,1,3)
#初始化数据集，用来记录9级拉人关系


for (z1 in 1:nrow(rhd)){
  for (z2 in 1:length(num123456789))
    try({if (rhd[z1,1]==num123456789[z2]) 
    {
      R1=rhd[z1,]
      R90<-rbind(R90,R1)}
    },silent = T)
}
R90<-R90[-1,]
R90[is.na(R90)]<-0


R1234567890<-matrix(0,1,19)
#初始化数据集，用来记录9级拉人关系
for (z1 in 1:nrow(R123456789)){
  for (z2 in 1:nrow(R90))
    try({if (R123456789[z1,17]==R90[z2,1]) 
    {
      R1=cbind(t(R123456789[z1,]),R90[z2,2:3])
      R1234567890<-rbind(R1234567890,as.matrix(R1))}
    }
    ,silent = F)
}
R1234567890<-R1234567890[-1,]


for (z1 in 1:nrow(R123456789))
  try({if (R123456789[z1,17]==0) 
  { R1=cbind(t(R123456789[z1,]),matrix(0,1,2))
  R1234567890<-rbind(as.matrix(R1),R1234567890)}
  },silent = F)
#将未拉人的投资者并入到9级拉人表格中
R1234567890[is.na(R1234567890)]<-0


这个语句是按照一级一级递进写出来的，从一级开始到最后一级，如果中间没有级数会报错。结果如下：


这里面会有一个问题，就是随着数据量增大，我必须在后面不断添加每一个级别的代码，如果级别无限大，理论上这个代码是无限长的，严重制约了代码的可复用性，我现在正在针对这个代码进行优化，大家如果有什么好的想法可以直接跟我讨论，后续我做出优化代码之后，也会把优化的代码发出来供大家参考。

goskiller
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
R语言 基于共现提取《雪中悍刀行》人物关系并画网络图
chongminglun的博客
07-11 7811
概述 雪中悍刀行作为现象级的网文，电视剧版即将上映，作为曾经的一员“妖孽”书粉，按捺不住想做点啥。最近在研究知识图谱，就以此为契机展开相关研究吧。 本文将基于简单共现关系，编写 R 代码从纯文本中提取出人物关系网络，并用 networkD3 将生成的网络可视化。 共现： 顾名思义，就是共同出现，关系紧密的人物往往会在文本中多段内同时出现，可以通过识别文本中已确定的人名，计算不同人物共同出现的次数和比率。当比率大于某一阈值，我们认为两个人物间存在某种联系。 由于共现概率比值的计算方法较为复杂，本文只使用最
R语言的igraph画社交关系图示例
Daisy_chen2015的博客
05-12 8734
R语言中的igraph可以很方便地画出社交关系图。下面是几个示例。 1.最简单的社交关系图 library(igraph) dolphin g jpeg(filename='dolphins.jpg',width=800,height=800,units='px') plot(g, vertex.size=5, layo
【R语言 社交网络】R语言关系网络图+ PageRank算法实现
赖德发的博客
06-13 1万+
例子1： library(plyr)set.seed(10) rm(list=ls()) library(igraph) g<-random.graph.game(n=10,p.or.m=1/3,directed=TRUE) com = walktrap.community(g, steps = 6) V(g)$sg = com$membership + 1 V(g)$color = rainbow
【R语言+Gephi】利用R语言和Gephi实现共发生网络的可视化
最新发布
qq_22658373的博客
07-10 887
Gephi是一款开源免费的多平台网络分析软件，在Windows、Linux和Mac os上均可以运行，像他们官网所说的，他们致力于创造像Photoshop一样的图表绘制软件。
数据挖掘与R语言
06-13
在本主题中，我们将深入探讨数据挖掘的基本原理，并关注如何使用R语言进行有效的数据分析。 首先，让我们了解数据挖掘的核心概念。数据挖掘的目标是通过分析，发现隐藏在大量数据中的模式、规律和关联，从而帮助...
《新媒体数据挖掘——基于R语言》课件
05-29
7 1.3 R在计算传播学中的典型应用 9 1.3.1 用R进行文本分析初探 9 1.3.2 互联网在线数据收集 10 1.3.3 社会网络分析 12 1.4 总结与提高 13 1.5 习题 14 第2章 R语言开发环境 15 2.1 R的获取、安装和基本使用 16 ...
树形图_R语言绘制SCI图的输入文件及代码.rar
07-30
在R语言中，树形图是一种非常有用的可视化工具，它能清晰地展示数据之间的层级关系。这个名为"树形图_R语言绘制SCI图的输入文件及代码.rar"的压缩包很可能是包含了一组用于创建科学出版物（SCI）级别的高质量树形图...
Mapping_data：R中来自水上卫星的CO2数据的映射
02-18
在本项目中，“Mapping_data：R中来自水上卫星的CO2数据的映射”是一个关于使用R语言处理和可视化水上卫星收集的二氧化碳（CO2）数据的实例。这个压缩包文件“Mapping_data-master”可能包含了源代码、数据集和其他...
snahelper：用于网络分析和可视化的Rstudio插件
02-05
总结来说，snahelper插件是R语言和RStudio的得力工具，专注于网络数据分析和可视化，能够帮助用户更有效地理解和探索复杂的关系网络。它的使用不仅限于专业程序员，也适合对网络分析感兴趣的初学者，通过其提供的...
R语言中利用networkD3创建人物关系网络
辉的博客
04-28 1591
介绍 人物关系网经常在文本分析中应用，其实质就是一个有边和节点的图，在R中实现图的展示有igraph和networkD3两个包，这里讲解networkD3的使用。 forceNetwork()的介绍 该函数创建一个D3的JavaScript网络图对象。 forceNetwork(Links, Nodes, Source, Target, Value, NodeID, Nodesize, Group, height = NULL, width = NULL, colourScale = JS("d3.
三国演义人物出场统计代码含义_R语言—三国演义人物关系可视化
weixin_42353258的博客
01-13 1031
本文将会介绍如何使用《三国演义》的数据，利用R语言构建人物关系网络并可视化。在网络中节点为人物名称，边则是根据相关系数进行设置。首先获取网络中表示边的数据表，程序如下所示：library(igraph)library(tidyr)## 数据准备,读取每个人物在各章(回)出现的次数数据load(file = "data/三国人物在各章出现的次数.RData")name_cor name_c...
R语言(三) 你是我唯一的光 | 基于《白夜行》的文本可视化分析
shine4869的博客
12-07 3720
本文是仿照R语千寻第三期：张无忌究竟爱谁？ 目录人物登场总次数人物出场顺序亲密关系矩阵文本聚类 人物登场总次数 人物出场顺序 亲密关系矩阵 文本聚类
用20行代码读懂复仇者联盟的人物关系（无剧透）
Python爱好者的专栏
04-26 6265
笔者虽不算是漫威迷，不过刚刚在看完了复仇者联盟4以后还是感觉非常非常震撼的，具体情节就不剧透了，可以负责的给出五星推荐指数。现在就让我怀着激动的心情，用R语言写观后感吧。 复联4中人物的基本关系 那么首先我们还是先来分析漫威宇宙中的人物关系，维基百科去下载相关人物关系，也可以用我直接整理好的文件https:/...
R语言-用R眼看琅琊榜小说的正确姿势
weixin_30363981的博客
10-31 1079
博客总目录：http://www.cnblogs.com/weibaar/p/4507801.html 目录： 零：写在前面的一些废话 一、R眼看琅琊榜的基本原理 1、导入数据 2、筛选数据 3、多条件筛选对话 4、导出数据 二、R眼看琅琊榜的基础分析 1、快速对文本分章节 2、快速定位人物出场章节 3、快速定位人物互动章节 三、总结 ...
R 复杂数据类型third day
biling7077的博客
06-20 369
#矩阵是将R行和列组成的数组 数据元素要求是同一种类型函数：matrix data 矩阵的元素向量的形式 nrow 行数ncol 列数byrow 是否按照行排列 默认是列排序 true 按行 false 按列dimnames 可选 对行列进行命名m<-matrix(1:6,nrow=2,ncol=3,byrow =T,dimnames =list(c('r1','r2'),c...
R语言︱SNA-社会关系网络 R语言实现专题（基础篇）（一）
热门推荐
素质云笔记
05-17 2万+
笔者寄语：由于笔者参加了一个全国数据挖掘大赛的比赛，所选赛题是招聘岗位的数据挖掘，笔者用到了社会关系网络来进行相关职位的推荐以及分类，发现了SNA可以实现一定的职位画像的功能，于是根本停不下来的学习了SNA。学习之后内容有点多，想分成基础篇、社群发现篇、画图篇、案例篇、组合技巧篇。 一、关系网络数据类型 关系网络需要什么样子的数据呢？    笔者接触到了两种数据结构，擅
POJ 1012 Joseph题解与心得
leesofte的专栏
06-06 1042
POJ 1012 Joseph题解与心得   2010-06-06 13:15    这几天都在收集一些DP的资料，但读了一些入门的资料后我发现DP比我想象中的还要难入门，主要是DP问题各概念都比较抽象，想要一口把它的概念吃透有着不小难度，心急的朋友不要在这里踩进深坑了。经过几天思考，还没有摸到边缘的我打算先将DP放下，不然自己的信心越来越受打击了，为了不让自己对ACM的激情出现丝毫的减弱并且不陷进自卑的恶性循环当中，我决定选一些比较简单而且有趣的题目练练手，增加信心。   POJ 1012 Joseph问
R语言正则表达式基础
XIAOFEI@IDO
04-09 4573
一、背景 正则表达式，是根据字符串规律按一定法则，简洁表达一组字符串的表达式。正则表达式通常就是从貌似无规律的字符串中发现规律性，进而概括性地表达它们所共有的规律或模式，以方便地操作处理它们，这是真正的化繁为简，以简御繁的典范。 几乎所有的高级编程语言都支持正则表达式，正则表达式广泛应用于文本挖掘、数据预处理，例如： 检查文本中是否含有指定的特征词 找出文本中匹配特征词的位置 从文本中提取信息 修改文本 正则表达式包括：只能匹配自身的普通字符（如英文字母、数字、标点等）和被转义了的特殊字符（称为‘‘元字
R语言实战：网站分析与数据挖掘
最后，作者还讲解了如何使用R语言构建图形用户界面（GUI）系统，使得非编程背景的人员也能轻松操作数据分析流程，进一步提高了R语言在实际业务中的实用性。 这本书对数据挖掘和互联网行业的从业者具有很高的参考...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值