使用tidygraph实现igraph批量节点子图分析的循环自动化

实现逻辑说明 #

• 提取所有job_type=1的节点作为源节点遍历池
• 对每个源节点按要求依次执行子图提取、孤立节点过滤、指标计算、符合条件结果归档操作
• 最终合并所有符合阈值要求的结果统一输出

完整可运行代码 #

# 加载依赖包
library(igraph)
library(dplyr)

# 初始化结果存储容器
final_result <- data.frame()
# 提取所有job_type=1的源节点ID列表
source_nodes <- V(tp_network_subset)$job_id[V(tp_network_subset)$job_type == 1]

# 遍历所有源节点执行流程
for (src_id in source_nodes) {
  # 提取当前源节点的1阶邻居子图（包含源节点本身）
  src_vid <- which(V(tp_network_subset)$job_id == src_id)
  ego_g <- make_ego_graph(tp_network_subset, order = 1, nodes = src_vid)[[1]]
  
  # 过滤子图中的孤立节点（度为0的节点）
  g_degree <- degree(ego_g)
  filtered_g <- delete_vertices(ego_g, which(g_degree == 0))
  
  # 过滤后子图为空则跳过当前源节点
  if (vcount(filtered_g) == 0) next
  
  # 计算job_rate指标
  node_types <- V(filtered_g)$job_type
  cnt_type1 <- sum(node_types == 1)
  cnt_valid <- sum(node_types %in% c(1,2,3))
  # 增加除零错误规避逻辑
  if (cnt_valid == 0) next
  job_rate <- cnt_type1 / cnt_valid
  
  # 符合阈值要求则提取目标节点并归档
  if (job_rate > 0.5) {
    # 提取子图中job_type=0的节点属性
    type0_nodes <- as.data.frame(vertex_attr(filtered_g)) %>%
      filter(job_type == 0)
    
    # 附加子图统计字段
    type0_nodes <- type0_nodes %>%
      mutate(
        source_job_id = src_id,
        job_rate = job_rate,
        subgraph_total_cnt = vcount(filtered_g),
        cnt_type1 = cnt_type1,
        cnt_type2 = sum(node_types == 2),
        cnt_type3 = sum(node_types == 3),
        cnt_type0 = sum(node_types == 0)
      )
    
    # 合并到全局结果表
    final_result <- bind_rows(final_result, type0_nodes)
  }
}

# 输出最终合并结果
View(final_result)

结果字段说明 #

• 基础节点字段：保留原始节点表的job_id、job_type等所有自定义属性
• 统计附加字段：
  • source_job_id：当前子图对应的源节点ID
  • job_rate：当前子图的job_rate指标计算值
  • subgraph_total_cnt：过滤孤立节点后子图的总节点数
  • cnt_type0/cnt_type1/cnt_type2/cnt_type3：子图内对应job_type的节点数量

内容的提问来源于stack exchange，提问作者Alex