❶ igraph 上手教程——使用 Python 開展社會網路分析和可視化
igraph 是一個開源網路分析工具集合，支持多種編程語言，包括 Python。在 Python 中使用 igraph 進行社會網路分析和可視化，可提供高效且便捷的解決方案。
首先，通過 pip 安裝 igraph。可選安裝 pycairo 以支持網路可視化。啟動 Python，運行代碼檢查安裝情況，通常會展示著名的 Petersen 圖。
使用 igraph 創建圖從零開始。引入庫後，可通過調用 Graph 類創建新圖，輸出結果顯示節點和邊的數量。添加節點和邊使用特定方法，如 add_vertices 和 add_edges。在構建的網路中，節點 ID 從 0 開始，連邊 ID 同樣連續。
通過 get_eid 方法獲取連邊編號，刪除節點和邊則使用 delete_vertices 和 delete_edges 方法。summary 方法提供簡潔的圖信息概覽，避免大圖輸出時信息過載。
igraph 包含多種圖生成器，分為確定性和隨機性兩種。確定性圖生成器如創建樹圖、正則格等；隨機性圖生成器則包括 ER 隨機圖、Barabási-Albert 網路模型等。如 Graph.Tree() 可創建樹圖，Graph.GRG() 可生成隨機幾何圖。生成的圖可能在相同參數下呈現出不同的結構。
為圖中的節點、邊或整個圖添加屬性，如為社會網路中的節點設置姓名、年齡和性別，連邊標注是否為正式聯系。使用屬性時，可以將節點視為字典對象操作，或通過索引訪問和修改屬性值。
計算圖的結構性指標，例如節點度數、入度、出度等，使用 degree() 方法。計算中心性指標，如節點和邊的中介中心性，使用 Graph.betweenness() 或 Graph.edge_betweenness() 方法。通過 Graph.pagerank() 計算 Google 的 PageRank。
使用 select() 方法通過節點的指標篩選集合，例如基於年齡、度數或其他屬性進行過濾。查找特定節點或連邊時，可利用 name 屬性快速定位，但注意 name 屬性可能重復。
獲取圖的鄰接矩陣以表示節點之間的連接關系。使用 get_adjacency() 方法即可獲取矩陣。
布局與繪圖是可視化圖的關鍵。通過調用布局方法，如 Kamada-Kawai 布局，將節點映射到二維空間中。使用 matplotlib 或其他繪圖庫進行更詳細的定製，包括節點位置、顏色、標簽和邊樣式等。
將繪制的圖保存為文件，支持 SVG、PDF 和 PNG 等格式，用於出版或文檔展示。通過 igraph 的 save 方法保存圖，或使用 pickle 格式在需要時快速恢復。
利用 igraph 與其他外部包聯動，如從外部文件載入圖或保存為不同格式，確保兼容性和數據一致性。
綜上，使用 igraph 進行社會網路分析和可視化提供了豐富的功能和靈活性，適合數據分析和研究場景。通過掌握基本操作和方法，可以有效地分析復雜網路結構和進行數據可視化。
❷ Neo4j類似的軟體有哪些
GraphScope、NetworkX、JanusGraph、TigerGraph、Dgraph這些都是，比如GraphScope的代碼可以在GitHub上面查看，它是阿里達摩院研發的一站式圖計算系統，應該還是比較權威。
❸ R統計繪圖 | 物種組成沖積圖(絕對/相對豐度，ggalluvial)
一、數據准備
所使用的數據為處理土壤樣品的微生物組成數據，包括物種豐度、分類單元和樣本分組數據。請注意，此數據為虛構，僅用於練習，請勿用於其他用途。
二、物種組成沖積圖
通過ggalluvial包，在門水平上繪制物種組成沖積圖，支持絕對豐度和相對豐度兩種方式的繪圖。
2.1 絕對豐度物種組成沖積圖
2.2 相對豐度物種組成沖積圖
原始數據和代碼可通過EcoEvoPhylo公眾號後台發送「alluvial_map」獲取。
原文鏈接：R統計繪圖 | 物種組成沖積圖(絕對/相對豐度，ggalluvial) (qq.com)
推薦閱讀
R繪圖-物種、環境因子相關性網路圖(簡單圖、提取子圖、修改圖布局參數、物種-環境因子分別成環徑向網路圖)
R統計繪圖-分子生態相關性網路分析(拓撲屬性計算，ggraph繪圖)
R統計繪圖-變數分組相關性網路圖(igraph)
機器學習-分類隨機森林分析(randomForest模型構建、參數調優、特徵變數篩選、模型評估和基礎理論等)
R統計繪圖-隨機森林分類分析及物種豐度差異檢驗組合圖
機器學習-多元分類/回歸決策樹模型(tree包)
R統計繪圖-環境因子相關性+mantel檢驗組合圖(linkET包介紹1)
R統計繪圖-NMDS、環境因子擬合(線性和非線性)、多元統計(adonis2和ANOSIM)及繪圖(雙因素自定義圖例)
R統計繪圖-RDA分析、Mantel檢驗及繪圖
R繪圖-RDA排序分析
R統計繪圖-VPA(方差分解分析)
R統計繪圖-PCA詳解1(princomp/principal/rcomp/rda等)
R統計-PCA/PCoA/db-RDA/NMDS/CA/CCA/DCA等排序分析教程
R統計繪圖-PCA分析繪圖及結果解讀(誤差線，多邊形，雙Y軸圖、球形檢驗、KMO和變數篩選等)
R統計-微生物群落結構差異分析及結果解讀
R統計繪圖-PCA分析及繪制雙坐標軸雙序圖
R中進行單因素方差分析並繪圖
R統計-多變數單因素參數、非參數檢驗及多重比較
R繪圖-相關性分析及繪圖
R繪圖-相關性系數圖
R統計繪圖-環境因子相關性熱圖
R統計繪圖-corrplot繪制熱圖及顏色、字體等細節修改
R統計繪圖-corrplot熱圖繪制細節調整2(更改變數可視化順序、非相關性熱圖繪制、添加矩形框等)
R數據可視化之美-節點鏈接圖
R統計繪圖-rgbif包下載GBIF數據及繪制分布圖
R統計繪圖 | 物種組成堆疊柱形圖(絕對/相對豐度)
R統計-單因素ANOVA/Kruskal-Wallis置換檢驗
R統計-正態性分布檢驗[Translation]
R統計-數據正態分布轉換[Translation]
R統計-方差齊性檢驗[Translation]
R統計-Mauchly球形檢驗[Translation]
R統計繪圖-單、雙、三因素重復測量方差分析[Translation]
R統計繪圖-混合方差分析[Translation]
R統計繪圖-協方差分析[Translation]
R統計繪圖-One-Way MANOVA