【问题标题】：How to transform a table of an hierarchical network to an edge list efficiently in R如何在 R 中有效地将分层网络的表转换为边缘列表
【发布时间】：2017-12-28 10:59:21
【问题描述】：

我知道有很多关于生成边缘列表的未解决和已回答的问题，但我发现没有一个适合我的情况：

我有一个表示严格分层网络的表，我想将其转换为具有 3 列的表：源节点、目标节点和交互类型。该表相当冗余，第一列列出了所有第一级节点，第二列是所有对应的第二级节点，依此类推：

  first second third
1     A      F     L
2     B      F     L
3     C      G     L
4     D      F     L
5     E      G     L
6     L      L     L

有关网络的可视化，请参见下图：

我想要的表格是这样的：

  source target  level
1      F      L  third
2      G      L  third
3      L      L  third
4      A      F second
5      B      F second
6      C      G second
7      D      F second
8      E      G second
9      L      L second

到目前为止，我只需要在很少的关卡中做一次，所以我对 dplyr 使用了以下笨拙的方法：

library(dplyr)
example.df <- data.frame(
  "first"  = c("A", "B", "C", "D", "E", "L"),
  "second" = c("F", "F", "G", "F", "G", "L"),
  "third"  = c("L", "L", "L", "L", "L", "L")
)
name.v <- c("source","target")
third.df <- example.df %>% 
  group_by(second) %>% 
  summarise(third = unique(third))
names(third.df) <- name.v
second.df <- example.df %>% 
  group_by(first) %>% 
  summarise(second = unique(second))
names(second.df) <- name.v
hier.df <- bind_rows("third" = third.df, "second"= second.df, .id = "level") %>% 
  select(source, target, level)
# using igraph to generate the image
library(igraph)
hier.graph <- graph_from_data_frame(hier.df)
plot(hier.graph)

显然，这将非常糟糕。因此，对于编程，我更愿意找到一种更精益的方法，例如在基础 R 中。

【问题讨论】：

您实际上是想要中间表，还是只是想要一种简单的方法将其转换为 igraph 对象。如果第二个this可以帮忙
我想要这张桌子。我只是用 igraph 来说明。我将编辑我的问题

标签： r dplyr igraph

【解决方案1】：

您可以在这里尝试使用map_df

您的数据

df <- read.table(text="  first second third
A      F     L
B      F     L
C      G     L
D      F     L
E      G     L
L      L     L", header=TRUE, stringsAsFactors=FALSE)

解决方案

library(purrr)
map_df(2:ncol(df), ~select(df, (.x-1):.x) %>% setNames(c("source", "target")), .id="id") %>%
    group_by(id) %>%
    distinct() %>%
    ungroup() %>%
    mutate(id = colnames(df)[as.numeric(id)+1])

# A tibble: 9 x 3
      # id source target
   # <chr>  <chr>  <chr>
# 1 second      A      F
# 2 second      B      F
# 3 second      C      G
# 4 second      D      F
# 5 second      E      G
# 6 second      L      L
# 7  third      F      L
# 8  third      G      L
# 9  third      L      L

这可以随任意数量的列进行缩放

set.seed(1)
new_df <- as_tibble(matrix(sample(LETTERS, 25, replace=FALSE), ncol=5)) %>%
        setNames(c("first", "second", "third", "fourth", "fifth"))

myfun <- function(data) {
    map_df(2:ncol(data), ~select(data, (.x-1):.x) %>% setNames(c("source", "target")), .id="id") %>%
        group_by(id) %>%
        distinct() %>%
        ungroup() %>%
        mutate(id = colnames(data)[as.numeric(id)+1])
}
myfun(new_df)

# A tibble: 20 x 3
       # id source target
    # <chr>  <chr>  <chr>
 # 1 second      G      S
 # 2 second      J      W
 # 3 second      N      M
 # 4 second      U      L
 # 5 second      E      B
 # 6  third      S      D
 # 7  third      W      C
 # 8  third      M      Y
 # 9  third      L      V
# 10  third      B      X
# 11 fourth      D      F
# 12 fourth      C      H
# 13 fourth      Y      I
# 14 fourth      V      P
# 15 fourth      X      K
# 16  fifth      F      Z
# 17  fifth      H      Q
# 18  fifth      I      O
# 19  fifth      P      A
# 20  fifth      K      R

【讨论】：

【解决方案2】：

igraph 的as_data_frame() 会为您解决这个问题。 what 可以是"edges"、"vertices" 或"both"，这将在list 的data.frames 中返回顶点和边。

?igraph::as_data_frame

igraph::as_data_frame(x = hier.graph, what = "edges") %>%
`colnames<-`(c("source", "target", "level"))

# source target  level
# 1      F      L  third
# 2      G      L  third
# 3      L      L  third
# 4      A      F second
# 5      B      F second
# 6      C      G second
# 7      D      F second
# 8      E      G second
# 9      L      L second

【讨论】：

【解决方案3】：

也许这也很笨拙，但是第 1 列和第 2 列建立了第二级连接；第 2 列和第 3 列是第三级。只需将它们分开并使用rbind。

SL = unique(cbind(TAB[,1:2], "second"))
names(SL) = c("source", "target", "level")

TL = unique(cbind(TAB[,2:3], "third"))
names(TL) = c("source", "target", "level")

rbind(TL, SL)
   source target  level
1       F      L  third
3       G      L  third
6       L      L  third
11      A      F second
2       B      F second
31      C      G second
4       D      F second
5       E      G second
61      L      L second

数据

TAB = read.table(text="first second third
1     A      F     L
2     B      F     L
3     C      G     L
4     D      F     L
5     E      G     L
6     L      L     L",
header=TRUE)

【讨论】：