在Tidygraph中对节点邻域的所有属性批量应用函数

问题描述 #

我有一个包含W1、W2、B1、B2等多个属性的igraph图，目前已能实现单个属性的邻居平均值计算，但希望通过一次操作批量处理所有目标属性，自动为每个属性生成对应的[属性名]_neighs变量（比如W1对应W1_neighs）。

原单个属性实现代码：

library(igraph)
library(dplyr)

# 创建环形图并添加属性
create_ring(40) %>%
  mutate(id = row_number()) %>%
  mutate(W1 = rnorm(40,75,15),
         W2 = rnorm(40,20,11),
         B1 = rnorm(40,2,11),
         B2 = rnorm(40,1,1)) %>%
  mutate(Neighs = local_members(order = 1, mindist = 1),
         k = local_size(order = 1, mindist = 1)) -> ring

# 单个属性计算邻居均值
ring <- ring %>% mutate(W1_neighs = as.igraph(.) %>%
                          ego(order = 1, mindist = 1) %>%
                          sapply(function(v) mean(v$W1, na.rm=T)))

批量处理方案 #

方法1：使用purrr循环处理目标属性 #

提取需要计算的属性名列表，用purrr::map逐个计算邻居均值，再将结果合并到原数据框：

library(purrr)

# 定义需要计算的目标属性
target_attrs <- c("W1", "W2", "B1", "B2")

# 批量计算每个属性的邻居均值
neigh_means <- map_dfc(target_attrs, function(attr) {
  vals <- as.igraph(ring) %>%
    ego(order = 1, mindist = 1) %>%
    sapply(function(v) mean(v[[attr]], na.rm = TRUE))
  tibble(!!paste0(attr, "_neighs") := vals)
})

# 合并到原数据框
ring <- bind_cols(ring, neigh_means)

方法2：结合igraph的neighborhood与dplyr批量处理 #

利用neighborhood获取邻居节点索引，再通过聚合计算均值，代码更简洁：

# 获取每个节点的邻居索引列表
neigh_indices <- neighborhood(ring, order = 1, mindist = 1)

# 批量计算每个属性的邻居均值
ring <- ring %>%
  mutate(across(all_of(target_attrs), 
                ~map_dbl(neigh_indices, function(idx) mean(ring[[cur_column()]][idx], na.rm = TRUE)),
                .names = "{col}_neighs"))

说明 #

• 两种方法都能自动为目标属性生成对应的[属性名]_neighs变量，避免重复编写单属性计算代码
• target_attrs可根据实际需求调整，新增或删除属性只需修改该列表
• na.rm = TRUE用于计算时忽略缺失值，可根据场景选择是否保留

内容的提问来源于stack exchange，提问作者David Eagle