networkD3包

力导向网络图

这种图采用物理上的弹簧模型，将节点之间想象成是用弹簧连接的，然后把这些用弹簧连接的节点扔到桌面上，让这些弹簧自己弹啊弹，弹啊弹，最后总能停下来，达到一个平衡状态。这个状态下的节点连接图，能力最小，线和线之间的交叉最小。这种方法的学名叫spring-embedder 或者 force-directed。

拖动中间的图里的任意节点，整个网络就会被拖动，并达到新的平衡位置。
从图里，我们可以大致看出不同的群体，群体里的人关系紧密，而不同群体之间的关系比较松散。群体分析也是网络数据可视化的一个主要目的。

知识图谱，也称为科学知识图谱，它通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。为学科研究提供切实的、有价值的参考。

今天我们借助networkD3包里面的simpleNetwork 函数来绘制一个类似CSDN微信开发的知识图谱，效果图如下：

首先我们先来分析一下这张图，图里面的微信支付——微信支付，小程序——小程序，等这些，它们之间本不需要连线，但这里是为了美观好看，才有这些连线，但实际却没有什么意义。使用simpleNetwork 函数不能绘制类似微信支付——微信支付 的这种关系。我把这些数据整理写在了一个TXT文件里面，截图如下。

接下来我们分析一下 simpleNetwork，它的原型如下：

simpleNetwork(Data, Source = NULL, Target = NULL, height = NULL,
  width = NULL, linkDistance = 50, charge = -200, fontSize = 7,
  fontFamily = "serif", linkColour = "#666", nodeColour = "#3182bd",
  nodeClickColour = "#E34A33", textColour = "#3182bd", opacity = 0.6,
  zoom = F)

参数解释如下：

Data	数据源
Source	默认为数据框的第一行，网络源变量
Target	默认为数据框的第二行，网络源目标变量
height	设置图像所占页面大小
width	设置图像所占页面大小
linkDistance	中间连线的长度，默认为50，数值越大，连线越长
charge	点与点之间的吸引力，值越大，点与点之间距离越近，值越小，点与点之间距离越大
fontSize	节点名称字体大小
fontFamily	设置标签字体
linkColour	连线颜色
nodeColour	节点颜色
nodeClickColour	点击后颜色
textColour	字体颜色
opacity	opacity=0时，透明度为0，看不到图像，最大值为1，超过1也默认为1
zoom	逻辑值为true是可以缩放，false时无法缩放

我想这里有了上面这个参数表，大家肯定就会对simpleNetwork这个函数十分了解了。首先我们来一个最简单。

data<-read.table("network.txt",header = FALSE, sep = "")#读取数据
simpleNetwork(data)

现在我们就多加一些参数，然后看一下整体效果。

simpleNetwork(data,#数据
       fontFamily="华文行楷",#字体设置
       linkColour="#B23AEE",#连线颜色
       nodeColour="#00CD66",#节点颜色
       textColour="#0000FF",#文本颜色
       charge = -550,#节点之间的引力
       opacity=0.9,#透明度
       zoom=TRUE #可缩放
)