为igraph对象列表添加顶点type属性并生成二分关联矩阵遇阻

问题背景 #

我有一个包含多个植物-传粉者互作二分网络边列表的列表，想用R的igraph包转换为二分关联矩阵做分析。但给graph_list里的igraph对象添加顶点type属性时出错，而且完整数据集有238个网络、8万+边，不想用for循环。

可复现数据 #

network_list <- replicate(10, expr = {
  data.frame(plant = paste('plnt', '_', sample(x = letters, size = 10,  replace = T), sep = ""),
             pollinator = paste('pollinator', '_', sample(x = letters, size = 10,  replace = T), sep = ""))
}, simplify = F)

library(tidyverse)  
library(dplyr)  
library(igraph)

尝试过的错误代码 #

graph_list <- lapply(network_list, graph_from_data_frame) # 从边列表生成igraph对象列表
list_mapping <- lapply(graph_list, bipartite.mapping) # 标记二分网络
list_type<- lapply(list_mapping, with, type) # 提取每个网络的顶点type
graph_list <- mapply(c, graph_list, list_type) # 尝试给graph_list添加type属性
incidence_list <- lapply(graph_list, get.incidence) # 执行失败

# 报错信息：
# Error in FUN(X[[i]], ...) : Not a graph object

get.incidence需要带type属性的二分graph对象，单个网络的可行代码如下：

单个网络的可行代码 #

example_network <- network_list[[1]] # 选取一个示例网络
net_graph <- graph_from_data_frame(example_network) # 从边列表生成图
bipartite.mapping(net_graph) # 生成二分图映射

# 输出结果：
# $res
# [1] TRUE
# $type
# [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE

V(net_graph)$type <- bipartite.mapping(net_graph)$type # 计算并添加顶点type属性
incidence_matrix <- get.incidence(net_graph) # 生成关联矩阵
incidence_matrix[incidence_matrix > 1] <- 1 # 强制重复边值为1（随机数据会有重复行导致值>1）

期望的关联矩阵格式 #

poll_z poll_g poll_h poll_d poll_r poll_i poll_l poll_x
plnt_v      1      0      0      0      0      0      0      0
plnt_o      0      1      0      0      0      0      0      0
plnt_r      0      0      1      0      1      0      0      0
plnt_c      0      0      0      1      0      0      0      0
plnt_x      0      0      0      1      0      0      0      0
plnt_a      0      0      0      0      0      1      1      0
plnt_j      0      0      0      0      0      0      1      0
plnt_h      0      0      0      0      0      0      0      1

同时需要将矩阵中所有大于1的值强制设为1。

解决方案 #

不用for循环，用lapply批量处理每个igraph对象，直接在处理函数内完成type属性添加和关联矩阵生成：

# 定义批量处理函数
process_network <- function(edgelist) {
  # 生成igraph对象
  g <- graph_from_data_frame(edgelist)
  # 获取二分映射并添加type属性
  mapping <- bipartite.mapping(g)
  V(g)$type <- mapping$type
  # 生成关联矩阵并处理重复值
  inc_mat <- get.incidence(g)
  inc_mat[inc_mat > 1] <- 1
  return(inc_mat)
}

# 批量处理所有网络
incidence_list <- lapply(network_list, process_network)

代码说明 #

• lapply天然适合处理列表，避免显式for循环，效率更高
• 每个网络的处理逻辑封装在函数里，清晰易维护
• 直接从边列表到关联矩阵，无需单独维护graph_list，减少中间变量

如果需要保留处理后的graph对象，可以调整函数返回值：

process_network_with_graph <- function(edgelist) {
  g <- graph_from_data_frame(edgelist)
  mapping <- bipartite.mapping(g)
  V(g)$type <- mapping$type
  inc_mat <- get.incidence(g)
  inc_mat[inc_mat > 1] <- 1
  return(list(graph = g, incidence_matrix = inc_mat))
}

result_list <- lapply(network_list, process_network_with_graph)

内容的提问来源于stack exchange，提问作者troul