❶ igraph 上手教程——使用 Python 开展社会网络分析和可视化
igraph 是一个开源网络分析工具集合，支持多种编程语言，包括 Python。在 Python 中使用 igraph 进行社会网络分析和可视化，可提供高效且便捷的解决方案。
首先，通过 pip 安装 igraph。可选安装 pycairo 以支持网络可视化。启动 Python，运行代码检查安装情况，通常会展示著名的 Petersen 图。
使用 igraph 创建图从零开始。引入库后，可通过调用 Graph 类创建新图，输出结果显示节点和边的数量。添加节点和边使用特定方法，如 add_vertices 和 add_edges。在构建的网络中，节点 ID 从 0 开始，连边 ID 同样连续。
通过 get_eid 方法获取连边编号，删除节点和边则使用 delete_vertices 和 delete_edges 方法。summary 方法提供简洁的图信息概览，避免大图输出时信息过载。
igraph 包含多种图生成器，分为确定性和随机性两种。确定性图生成器如创建树图、正则格等；随机性图生成器则包括 ER 随机图、Barabási-Albert 网络模型等。如 Graph.Tree() 可创建树图，Graph.GRG() 可生成随机几何图。生成的图可能在相同参数下呈现出不同的结构。
为图中的节点、边或整个图添加属性，如为社会网络中的节点设置姓名、年龄和性别，连边标注是否为正式联系。使用属性时，可以将节点视为字典对象操作，或通过索引访问和修改属性值。
计算图的结构性指标，例如节点度数、入度、出度等，使用 degree() 方法。计算中心性指标，如节点和边的中介中心性，使用 Graph.betweenness() 或 Graph.edge_betweenness() 方法。通过 Graph.pagerank() 计算 Google 的 PageRank。
使用 select() 方法通过节点的指标筛选集合，例如基于年龄、度数或其他属性进行过滤。查找特定节点或连边时，可利用 name 属性快速定位，但注意 name 属性可能重复。
获取图的邻接矩阵以表示节点之间的连接关系。使用 get_adjacency() 方法即可获取矩阵。
布局与绘图是可视化图的关键。通过调用布局方法，如 Kamada-Kawai 布局，将节点映射到二维空间中。使用 matplotlib 或其他绘图库进行更详细的定制，包括节点位置、颜色、标签和边样式等。
将绘制的图保存为文件，支持 SVG、PDF 和 PNG 等格式，用于出版或文档展示。通过 igraph 的 save 方法保存图，或使用 pickle 格式在需要时快速恢复。
利用 igraph 与其他外部包联动，如从外部文件加载图或保存为不同格式，确保兼容性和数据一致性。
综上，使用 igraph 进行社会网络分析和可视化提供了丰富的功能和灵活性，适合数据分析和研究场景。通过掌握基本操作和方法，可以有效地分析复杂网络结构和进行数据可视化。
❷ Neo4j类似的软件有哪些
GraphScope、NetworkX、JanusGraph、TigerGraph、Dgraph这些都是，比如GraphScope的代码可以在GitHub上面查看，它是阿里达摩院研发的一站式图计算系统，应该还是比较权威。
❸ R统计绘图 | 物种组成冲积图(绝对/相对丰度，ggalluvial)
一、数据准备
所使用的数据为处理土壤样品的微生物组成数据，包括物种丰度、分类单元和样本分组数据。请注意，此数据为虚构，仅用于练习，请勿用于其他用途。
二、物种组成冲积图
通过ggalluvial包，在门水平上绘制物种组成冲积图，支持绝对丰度和相对丰度两种方式的绘图。
2.1 绝对丰度物种组成冲积图
2.2 相对丰度物种组成冲积图
原始数据和代码可通过EcoEvoPhylo公众号后台发送“alluvial_map”获取。
原文链接：R统计绘图 | 物种组成冲积图(绝对/相对丰度，ggalluvial) (qq.com)
推荐阅读
R绘图-物种、环境因子相关性网络图(简单图、提取子图、修改图布局参数、物种-环境因子分别成环径向网络图)
R统计绘图-分子生态相关性网络分析(拓扑属性计算，ggraph绘图)
R统计绘图-变量分组相关性网络图(igraph)
机器学习-分类随机森林分析(randomForest模型构建、参数调优、特征变量筛选、模型评估和基础理论等)
R统计绘图-随机森林分类分析及物种丰度差异检验组合图
机器学习-多元分类/回归决策树模型(tree包)
R统计绘图-环境因子相关性+mantel检验组合图(linkET包介绍1)
R统计绘图-NMDS、环境因子拟合(线性和非线性)、多元统计(adonis2和ANOSIM)及绘图(双因素自定义图例)
R统计绘图-RDA分析、Mantel检验及绘图
R绘图-RDA排序分析
R统计绘图-VPA(方差分解分析)
R统计绘图-PCA详解1(princomp/principal/rcomp/rda等)
R统计-PCA/PCoA/db-RDA/NMDS/CA/CCA/DCA等排序分析教程
R统计绘图-PCA分析绘图及结果解读(误差线，多边形，双Y轴图、球形检验、KMO和变量筛选等)
R统计-微生物群落结构差异分析及结果解读
R统计绘图-PCA分析及绘制双坐标轴双序图
R中进行单因素方差分析并绘图
R统计-多变量单因素参数、非参数检验及多重比较
R绘图-相关性分析及绘图
R绘图-相关性系数图
R统计绘图-环境因子相关性热图
R统计绘图-corrplot绘制热图及颜色、字体等细节修改
R统计绘图-corrplot热图绘制细节调整2(更改变量可视化顺序、非相关性热图绘制、添加矩形框等)
R数据可视化之美-节点链接图
R统计绘图-rgbif包下载GBIF数据及绘制分布图
R统计绘图 | 物种组成堆叠柱形图(绝对/相对丰度)
R统计-单因素ANOVA/Kruskal-Wallis置换检验
R统计-正态性分布检验[Translation]
R统计-数据正态分布转换[Translation]
R统计-方差齐性检验[Translation]
R统计-Mauchly球形检验[Translation]
R统计绘图-单、双、三因素重复测量方差分析[Translation]
R统计绘图-混合方差分析[Translation]
R统计绘图-协方差分析[Translation]
R统计绘图-One-Way MANOVA