社交网络分析：如何在R中从人口统计数据生成带权重边列表

现有包含n个个体、k个社会特征变量的人口统计数据集，拟基于此开展社交网络分析：以个体为网络顶点，共享社会特征为边，边权重为共享特征的数量（一致项数）。需实现通过比对数据行的一致项来计算边的权重。

可复现示例数据集代码 #

# 可复现示例
id <- c(1:4)
sex <- c("male", "male", "female", "female")
age <- c("young", "young", "young", "old")
df <- data.frame(id, sex, age)

生成的数据集：

id    sex   age
1  1   male young
2  2   male young
3  3 female young
4  4 female   old

已生成的边列表 #

通过以下代码生成所有顶点的唯一组合边列表：

# 生成所有id的唯一组合
edge_list <- as.data.frame(t(combn(df$id, 2)))
colnames(edge_list) <- c("V1", "V2")

边列表结果：

V1 V2
1  1  2
2  1  3
3  1  4
4  2  3
5  2  4
6  3  4

预期输出 #

需计算每条边的权重，得到如下格式的数据集：

V1 V2 weights
1  1  2       2  # 个体1与2共享性别和年龄，权重=2
2  1  3       1  # 个体1与3仅共享年龄，权重=1
3  1  4       0  # 个体1与4无共享特征，权重=0
4  2  3       1  # ...
5  2  4       0
6  3  4       1

解决方案 #

方法1：使用dplyr关联计算 #

通过将边列表与原始数据集两次关联，获取两个个体的特征后，逐列比对统计一致项数量：

library(dplyr)

# 保留原始数据集避免覆盖
original_df <- df

# 关联V1对应的特征并重命名
edge_list <- edge_list %>%
  left_join(original_df, by = c("V1" = "id")) %>%
  rename_with(~ paste0(., "_v1"), -c(V1, V2))

# 关联V2对应的特征并重命名
edge_list <- edge_list %>%
  left_join(original_df, by = c("V2" = "id")) %>%
  rename_with(~ paste0(., "_v2"), -c(V1, V2, ends_with("_v1")))

# 按行统计特征一致的数量
edge_list <- edge_list %>%
  rowwise() %>%
  mutate(weights = sum(c_across(ends_with("_v1")) == c_across(ends_with("_v2")))) %>%
  ungroup() %>%
  select(V1, V2, weights)

print(edge_list)

方法2：使用base R循环实现 #

遍历边列表的每一行，提取两个个体的特征向量，计算相等元素的数量：

original_df <- df
edge_list <- as.data.frame(t(combn(df$id, 2)))
colnames(edge_list) <- c("V1", "V2")

# 初始化权重列
edge_list$weights <- 0

# 遍历每条边计算权重
for(i in 1:nrow(edge_list)){
  # 获取两个个体的特征（排除id列）
  row1 <- original_df[original_df$id == edge_list$V1[i], -1]
  row2 <- original_df[original_df$id == edge_list$V2[i], -1]
  # 统计特征一致的数量
  edge_list$weights[i] <- sum(row1 == row2)
}

print(edge_list)

内容的提问来源于stack exchange，提问作者Max_BY