如何用igraph R测量顶点层面的Assortativity（而非全图）？

首先得明确：igraph本身并没有提供直接计算顶点级Assortativity的函数，因为严格来说“顶点级Assortativity”没有统一的标准定义——全局Assortativity是衡量整个图中相似顶点连接的整体趋势，而顶点层面的指标通常是衡量单个顶点自身的“同质性连接倾向”，也就是它更倾向于和属性相似的顶点连接的程度。

下面分两种常见的顶点属性类型，给出具体的实现方法，假设你已经有了igraph对象g：

1. 分类属性（比如节点所属组别、标签） #

最直观的顶点级指标是该节点的邻居中与自身属性相同的比例，也常被称为“局部同质性指数”，用来衡量单个节点的同类连接倾向。

代码实现： #

# 示例：用扎卡里空手道俱乐部图，自带club分类属性
# 替换成你自己的图和属性列名即可
g <- make_graph("Zachary")
V(g)$group <- V(g)$club

# 计算每个顶点的局部同质性
local_assort_categorical <- sapply(V(g), function(v) {
  # 获取当前顶点的邻居
  neighbors_v <- neighbors(g, v)
  # 处理孤立节点（无邻居）的情况，返回NA或0按需调整
  if (length(neighbors_v) == 0) return(NA)
  # 统计邻居中与自身同组的数量，除以总邻居数
  sum(V(g)$group[neighbors_v] == V(g)$group[v]) / length(neighbors_v)
})

# 将计算结果绑定为顶点属性，方便后续分析
V(g)$local_assort <- local_assort_categorical

# 查看结果，比如前5个顶点的局部同质性
head(local_assort_categorical)

2. 数值属性（比如节点的度、权重、连续型特征） #

对于数值属性，顶点级的指标可以是自身属性值与邻居属性值的相关性，或者自身值与邻居均值的标准化差异，这里给出两种常用的实现：

方法1：自身与邻居属性的相关系数 #

# 给顶点添加模拟的数值属性，替换成你自己的数值属性
set.seed(123)
V(g)$value <- rnorm(vcount(g))

local_assort_numeric <- sapply(V(g), function(v) {
  neighbors_v <- neighbors(g, v)
  # 邻居数少于2时无法计算相关，返回NA
  if (length(neighbors_v) < 2) return(NA)
  # 计算自身值与所有邻居值的Pearson相关系数
  cor(c(V(g)$value[v], V(g)$value[neighbors_v]),
      c(1, rep(0, length(neighbors_v))))
})

# 绑定为顶点属性
V(g)$local_assort_num <- local_assort_numeric

方法2：自身值与邻居均值的标准化差异 #

这种方法更简单直观，衡量自身属性与邻居平均属性的偏离程度：

local_assort_numeric_simple <- sapply(V(g), function(v) {
  neighbors_v <- neighbors(g, v)
  if (length(neighbors_v) == 0) return(NA)
  # 自身值减去邻居均值，除以邻居属性的标准差（标准化）
  (V(g)$value[v] - mean(V(g)$value[neighbors_v])) / sd(V(g)$value[neighbors_v])
})

补充说明 #

• 如果你已经计算了全局Assortativity（比如assortativity_nominal(g, V(g)$group)或assortativity(g, V(g)$value)），顶点级指标可以帮你定位哪些节点是驱动全局Assortativity的核心，或者哪些节点表现出与全局趋势相反的连接行为。
• 孤立节点或度数为1的节点需要特殊处理，根据你的研究需求选择返回NA、0或其他默认值。

内容的提问来源于stack exchange，提问作者NBK