在R中创建网络变量以识别通过任职学校直接/间接关联的校长群体

嘿，这个需求本质上是要找出图的连通分量——把通过学校直接或间接关联的校长归为同一个群体，用R的igraph包就能完美解决，步骤清晰又高效，我给你一步步拆解：

核心思路 #

我们可以把校长和学校看作一个二分图的两类节点：

1. 如果两个校长共享过同一所学校（或者通过转校链间接关联），他们就属于同一个连通分量（也就是你要的network）
2. 利用图论工具自动识别这些连通分量，再映射回原数据即可

具体实现步骤 #

1. 安装并加载必要的包

install.packages("igraph")
library(tidyverse)
library(igraph)

2. 预处理数据

首先过滤掉school为NA的记录（这些无法参与关联），同时去重校长-学校的配对（避免同一校长同一学校重复计算）：

# 清理原数据：去掉school为NA的行
ps_clean <- ps %>% filter(!is.na(school))

# 获取每个校长任职的唯一学校（去重，减少冗余）
principal_school_links <- ps_clean %>% 
  distinct(principal, school)

3. 构建二分图并提取连通分量

我们先构建校长-学校的二分图，再投影到校长节点（共享学校的校长会被连接），最后识别连通分量：

# 构建无向二分图：节点包含校长和学校
bipartite_graph <- graph_from_data_frame(principal_school_links, directed = FALSE)

# 投影到校长节点：只保留校长之间的连接（共享学校则相连）
principal_graph <- bipartite_projection(
  bipartite_graph, 
  types = V(bipartite_graph)$name %in% principal_school_links$principal
)[[1]]

# 提取每个校长所属的连通分量（即network ID）
network_membership <- components(principal_graph)$membership

4. 将network变量映射回原数据

把连通分量ID合并到原数据中，同时处理school为NA的记录（标记为NA）：

ps_with_network <- ps %>% 
  mutate(
    network = case_when(
      is.na(school) ~ NA_integer_,
      TRUE ~ network_membership[as.character(principal)]
    )
  )

验证结果 #

看一下示例数据的输出：

• 校长a仅任职于fhs，无关联校长，属于独立网络（network=1）
• 校长b和c通过lms关联，属于同一网络（network=2）
• 校长d和e通过ehs关联，属于同一网络（network=3）
• 校长e在year≥4的记录因school为NA，network标记为NA

完全符合你的预期！

可选优化：给network更友好的命名 #

如果不想用数字作为network标识，可以换成分量中第一个校长的名字（或者学校名）：

# 生成network名称映射表
network_labels <- tibble(
  network_id = unique(network_membership),
  network_name = names(network_membership)[match(network_id, network_membership)]
)

# 替换原数据的network ID为名称
ps_with_network_named <- ps_with_network %>% 
  left_join(network_labels, by = c("network" = "network_id")) %>% 
  rename(network_id = network, network = network_name)

这样network列会显示为a、b、d，更直观易懂。

内容的提问来源于stack exchange，提问作者lrna