如何用tidygraph计算子图节点度并实现多图层可视化？

问题分析 #

你遇到的核心问题是：facet_edges仅按边属性拆分展示，但不会自动重新计算每个子图的节点度，导致所有面板使用全局节点度；手动拆分图层会破坏节点布局一致性；使用morph(to_split)时因内部逻辑限制报错。

解决方案：固定全局布局 + 拆分计算子图节点度 #

我们可以先预计算全局节点布局，确保所有面板节点位置一致，再按边属性拆分计算每个子图的节点度，最后合并数据进行可视化。

步骤1：预计算全局节点布局 #

先基于完整图计算节点位置，避免每个子图重新布局导致位置偏移：

library(tidygraph)
library(ggraph)
library(dplyr)
library(purrr)
library(tidyr)

# 加载数据集
data(highschool)
gr <- as_tbl_graph(highschool)

# 计算并保存全局节点布局
global_layout <- gr |>
  ggraph(layout = "stress") |>
  get_layout() |>
  select(node_id = node, x, y)

步骤2：按边属性拆分计算子图节点度 #

拆分每个年份的子图，单独计算节点度，并保留年份标识：

# 按year拆分边，生成各年份子图并计算节点度
subgraph_degrees <- gr |>
  activate(edges) |>
  split(.$year) |>
  map(function(sub_gr) {
    sub_gr |>
      activate(nodes) |>
      mutate(
        year = sub_gr |> activate(edges) |> pull(year) |> unique(),
        sub_degree = centrality_degree()
      ) |>
      as_tibble() |>
      select(node_id = name, year, sub_degree)
  }) |>
  bind_rows()

步骤3：合并布局与节点度数据 #

将全局布局、原节点数据和子图节点度合并，确保每个节点对应各年份的度：

# 合并数据到原图
gr_combined <- gr |>
  activate(nodes) |>
  mutate(node_id = name) |>
  left_join(global_layout, by = "node_id") |>
  left_join(subgraph_degrees, by = "node_id")

步骤4：统一布局下的可视化 #

使用预计算的x/y固定节点位置，按年份分面展示对应子图的边和节点度：

ggraph(gr_combined, layout = "manual", x = x, y = y) +
  # 仅显示当前分面年份的边
  geom_edge_link(aes(filter = year == .data$year)) +
  # 映射当前年份的子图节点度到节点大小
  geom_node_point(aes(size = sub_degree)) +
  # 按年份分面
  facet_wrap(~year) +
  # 优化可视化样式
  theme_graph() +
  labs(size = "子图节点度")

关于morph(to_split)报错的说明 #

你使用morph(to_split)时的报错，是因为该函数在边激活状态下的内部逻辑限制，不适合直接用于这种拆分计算场景。上述拆分方法更直观且易于调试，无需依赖morph的复杂内部机制。

内容的提问来源于stack exchange，提问作者Márton Oelbei