如何将存储在磁盘上的邻接矩阵输入到 R 程序中，是进行社交网络分析的起点。在前面的章节中已经介绍了基本的数据结构以及代码结构，本章将会面对一个实质性问题，学习如何导入一个图以及计算图的一些属性。
在计算机中，最常见的两种表示图的基本结构是邻接矩阵和邻接表。以最简单的无权无向图为例，邻接矩阵中第 \(i\) 行第 \(j\) 列的元素 \(a_{ij}\) 如果等于 1，则表示顶点 \(i\) 和顶点 \(j\) 之间有边，即邻接矩阵将所有节点之间的关系都表示出来。邻接表则是对顶点 \(i\) 建立一个单链表，这个单链表由顶点 \(i\) 的所有邻居节点构成，即邻接表只是把存在关系的节点表示出来。
网络上许多公开的数据集更常使用三元组去表示一个图。下面是一个三元组的示例，以第一行的三元组 (1, 2, 1) 为例，它表示有一条从顶点 1 指向顶点 2 的边，并且该边的权重为 1。对于无权图而言，通常会省略三元组中的第三个元素。
1 2 11 3 -12 3 -11 4 -13 4 1?? 提示
公开数据集大多数可以从下面的网站上找到：
1. Stanford Large Network Dataset Collection：http://snap.stanford.edu/data
2. The KONECT Project：http://konect.cc/networks
下面以 Dolphins 网络为例，将其导入到 R 程序中。Dolphins 是一个无权无向的真实网络，描述了生活在新西兰的一个峡湾附近的宽吻海豚社区，其中节点表示海豚，边表示海豚间的社会关系。将数据集下载完成后，打开名为 out 的文件。
% sym unweighted9 410 610 711 1......在读取文件之前还需要对其进行一下修改，可以看到该文件的第一行“% sym unweighted”是由空格分隔的三个元素，R 语言还没有太过智能，在读取到第二行时会因为只有两个元素而报错，因此需要将第一行删除。下面使用 read.table() 将文件读入到 R 程序中：
graph.edges <- read.table(file = "out.dolphins", header = FALSE)?? 提示
也可以将 out 文件中的制表符（\t）替换成逗号（,），将文件更改为使用逗号分隔的 CSV 文件，并使用 read.csv() 函数读取。
你也许会好奇读入的 graph.edges 到底是什么东西，使用 class() 函数来看看变量的类型：
> class(graph.edges)[1] "data.frame"data.frame 似乎前面的章节并没有介绍，受限于研究的方向，这有可能是你唯一一次接触数据框类型，不用管它，下面将读入的数据转换为图：
> library(igraph)> graph <- graph_from_data_frame(graph.edges, directed = FALSE)下面画图看看导入的 Dolphins 网络：
> class(graph)[1] "igraph"> plot(graph)
输出一下 Dolphins 网络的规模：
> cat(sprintf("Nodes: %s\nEdges: %s\n", length(V(graph)), length(E(graph))))Nodes: 62Edges: 159这里使用了两个全新的函数 V() 和 E()，其中 V() 是获取图的点集，E() 是获取图的边集，今后的大部分分析是建立在这两个集合之上，这两个函数会伴随你的 R 语言旅程直到结束。
导入的网络可以保存为 R 文件，下次可以直接载入使用，使用同样的方法也可以持久化实验数据。
> save(graph, file = "dolphins.RData") # 保存 graph 变量> load(file = "dolphins.RData") # 导入 RData 文件中存储的变量使用人工网络验证算法的有效性也是实验中必不可少的一环，下面介绍几种常见的人工网络结构。
graph <- make_full_graph(10)
graph <- make_tree(21, children = 3, mode = "undirected")
graph <- sample_k_regular(20, 3)
graph <- sample_gnp(20, 0.1)
graph <- sample_smallworld(dim = 1, size = 20, nei = 2, p = 0.1)
?? 提示
其他人工结构请查看 igraph 文档：https://igraph.org/r/doc
上文从导入外部网络和生成人工网络两个角度获得了 igraph 图对象，下面将使用 igraph 包中的函数对 Dolphins 网络进行简单的分析。
> is.connected(graph)[1] TRUE> degree(graph) # 计算图中所有节点的度，其中第一行为节点的名称，第二行为节点的度9 10 11 ...6 7 5 ...> degree(graph, v = "9") # 计算图中部分节点的度9 6> edge_density(graph)[1] 0.0840825> diameter(graph, directed = FALSE, weights = NA) # 直径[1] 8> radius(graph) # 半径[1] 5> distances(graph, v = V(graph)$name[1], to = V(graph)$name[10], algorithm = "unweighted", weights = NA) # 计算节点间的最短距离 209 3> shortest_paths(graph, from = "1", to = "6", weights = NA) # 计算节点1到节点6的最短路径$vpath$vpath[[1]]+ 6/62 vertices, named, from e1ce364:[1] 1 41 37 40 58 6> transitivity(graph, type = "average")[1] 0.3029323?? 练习
1. 试着在数据集网站中下载其他网络导入到 R 程序中；
2. 试着计算导入网络的平均度；
3. 查找 igraph 文档，试着计算导入网络的同配系数（Assortativity）。