R iGraph包cluster_leading_eigen无法合并为两个社区问题咨询

嘿，我来帮你理清这个问题——我在Stack Overflow上处理过不少iGraph聚类的问题，刚好对这两个函数的差异很熟悉。

一、为什么两个聚类函数的merges矩阵结构不一样？ #

核心原因是这两个算法的底层逻辑完全不同：

• cluster_edge_betweenness是典型的层次聚合聚类：它从每个节点单独成一个社区开始，每次把边介数最低的两个社区合并，直到所有节点归为一个社区。所以它的merges矩阵是标准的层次合并序列，行数是节点数-1，每一行记录一次两个社区的合并操作，结构非常规整。
• 而cluster_leading_eigen是谱聚类算法，它的核心是通过计算图拉普拉斯矩阵的特征向量来识别“显著”的社区划分。它本身并不是层次聚类算法——它会先找出最明显的社区分裂，然后递归地在子社区里继续划分，直到找不到显著的分裂为止。它的merges矩阵是为了兼容iGraph的层次聚类接口才生成的，只记录了算法实际进行的分裂/合并步骤，而不是从单个节点开始的完整合并链。所以它的merges矩阵行数会比节点数-1少很多，合并的起点也不是单个节点，结构自然和cluster_edge_betweenness的不一样。

二、怎么用cluster_leading_eigen得到2个社区？ #

你遇到的警告，大概率是因为强行用层次合并的方式去处理cluster_leading_eigen的结果，但它的merges矩阵并不完整。这里有两个靠谱的解决办法：

方法1：直接指定社区数量运行算法 #

cluster_leading_eigen有个k参数，可以直接告诉算法你要划分成几个社区。比如你的图对象是g，那代码可以这么写：

library(igraph)
# 直接生成2个社区
two_communities <- cluster_leading_eigen(g, k = 2)

这样算法会直接针对“划分成2个社区”的目标进行计算，不需要后续合并操作，自然就不会触发merges矩阵相关的警告。

方法2：从已有聚类结果合并到2个社区 #

如果你已经跑了默认的cluster_leading_eigen，想把结果合并到2个社区，可以用cut_at函数，但要注意：只有当算法生成的层次结构支持合并到2个社区时才有效。比如如果默认结果有3个社区，那cut_at(communities, no = 2)是可行的；但如果默认结果只有2个社区，或者merges矩阵的行数不够，就会弹出警告。所以还是方法1更稳妥。

另外，如果你看到类似“merges矩阵不完整”的警告，不用慌——这只是在告诉你，cluster_leading_eigen的merges不是完整的层次合并链，它只记录了算法本身做的那几步划分操作。

三、额外补充 #

• cluster_leading_eigen的merges矩阵是分裂式的（从大社区拆成小社区），而cluster_edge_betweenness的是聚合式的（从小节点合并成大社区），这也是两者矩阵方向和内容差异的另一个原因。
• 如果你需要完整的层次合并树，那cluster_edge_betweenness这类层次聚类算法更适合；如果是追求基于谱特征的社区划分，直接用k参数指定社区数量给cluster_leading_eigen是最高效的方式。

内容的提问来源于stack exchange，提问作者L. Hansen