如何在R语言中为网络分析生成员工共涉事件关联的权重列

实现思路 #

• 按事件编号分组，将同事件下的员工生成不重复的两两配对
• 统一配对顺序（避免A-B和B-A被识别为不同配对）
• 统计每个配对的出现次数即为共参与事件的权重

依赖安装与加载 #

首选tidyverse套件实现，代码可读性高，适合新手：

# 首次使用先安装
install.packages("tidyverse")
# 加载包
library(tidyverse)

完整实现代码 #

先替换示例数据为你自己的dataframe即可运行：

# ========== 替换为你自己的数据集 ==========
df <- tibble(
  INCIDENT_NUM = c("2016111111", "2016111111", "2016111111", "2016111201", "2016111201"),
  EMPL_NO = c("EID0011", "EID0012", "EID0013", "EID0011", "EID0012")
)
# ========== 核心处理逻辑 ==========
edge_table <- df %>%
  # 按事件分组
  group_by(INCIDENT_NUM) %>%
  # 生成同事件下员工的不重复两两组合，sort保证配对顺序一致
  summarise(pair = combn(sort(EMPL_NO), 2, simplify = FALSE)) %>%
  unnest(pair) %>%
  ungroup() %>%
  # 拆分配对为From、To两列
  mutate(
    From = map_chr(pair, ~.x[1]),
    To = map_chr(pair, ~.x[2])
  ) %>%
  # 统计配对出现次数作为权重
  count(From, To, name = "Weight")

输出效果 #

以上示例数据运行后得到的edge_table结果如下，完全符合需求：

性能说明 #

数千行级别的数据该方案可毫秒级完成处理，无需手动操作，结果可直接导出用于Gephi、igraph等网络分析工具。 #

内容的提问来源于stack exchange，提问作者gavinacw