如何用igraph基于双变量公共值重塑数据及解决图构建问题

需求说明 #

当一条记录的var3与另一条记录的var2相等时，将两条记录关联合并：保留起始记录的var1和var2，将var3替换为关联链末端记录的var3；连续相同var1的记录也遵循此规则。

示例数据集 #

原始数据：

期望结果：

现有代码问题 #

使用igraph处理时，执行以下代码后，图表仅显示var2节点，var3被当作边属性忽略：

library(igraph)

df = structure(list(var1 = c("a", "b", "b", "b", "c"), var2 = c(1L,
                                                           2L, 3L, 7L, 5L), var3 = c(2L, 3L, 5L, 9L, 9L)), class = "data.frame", row.names = c(NA,
                                                                                                                                               -5L))

g <- graph_from_data_frame(df)

存在两个疑问：

1. 如何连接名称不同的节点（如a和b）？
2. 如何在图中加入var3变量作为节点？

解决方案 #

疑问2：将var3作为节点加入图中 #

graph_from_data_frame默认将第一列作为起点节点、第二列作为终点节点，后续列作为边属性。要让var3成为节点，需重新构造边列表：将每条记录的var2作为起点、var3作为终点，同时把var1作为边的属性。

library(igraph)

# 原始数据
df <- structure(list(var1 = c("a", "b", "b", "b", "c"), 
                     var2 = c(1L, 2L, 3L, 7L, 5L), 
                     var3 = c(2L, 3L, 5L, 9L, 9L)), 
                class = "data.frame", row.names = c(NA, -5L))

# 构造边列表：var2 -> var3，携带var1属性
edges <- df[, c("var2", "var3")]
edges$var1 <- df$var1

# 构建有向图
g <- graph_from_data_frame(d = edges, directed = TRUE)

# 查看所有节点（包含var2和var3的数值）
print(V(g))
# 查看边的var1属性
print(E(g)$var1)

疑问1：连接不同名称的节点（如a和b） #

不同字符节点（a、b、c）需要通过数值节点作为中间桥梁关联：

• 当记录a的var3=2与记录b的var2=2相等时，数值节点2会成为连接a和b的中间节点；
• 可以额外添加var1到var2、var1到var3的边，明确字符节点与数值节点的关联：

# 添加var1与数值节点的关联边
var1_edges <- rbind(
  data.frame(from = df$var1, to = as.character(df$var2), var1 = df$var1),
  data.frame(from = df$var1, to = as.character(df$var3), var1 = df$var1)
)

# 合并所有边
all_edges <- rbind(edges, var1_edges)

# 重新构建图
g_full <- graph_from_data_frame(d = all_edges, directed = TRUE)

# 此时a和b会通过数值节点2连通
print(are_connected(g_full, "a", "b")) # 返回TRUE

完整合并实现 #

通过图的连通性找到每条记录的关联链末端，最终合并得到目标数据集：

# 定义函数：找到节点可达的最远数值节点
get_furthest_end <- function(start_node) {
  # 获取所有可达节点
  reachable_nodes <- reachable(g, start_node, mode = "out")
  # 转换为数值并取最大值（即链的末端）
  furthest <- max(as.numeric(reachable_nodes))
  return(as.character(furthest))
}

# 为每条记录的var2找到对应的最远var3
df$new_var3 <- sapply(as.character(df$var2), get_furthest_end)

# 按var1分组，保留最早的var2和最远的new_var3
library(dplyr)
result <- df %>%
  group_by(var1) %>%
  summarise(
    var2 = first(var2),
    var3 = last(new_var3) # 分组后最后一个new_var3是最远的关联终点
  ) %>%
  ungroup()

# 查看结果
print(result)

运行后得到的结果与期望一致：

# A tibble: 3 × 3
  var1   var2 var3 
  <chr> <int> <chr>
1 a         1 5    
2 b         7 9    
3 c         5 9    

内容的提问来源于stack exchange，提问作者doraemon