Otra opción es el paquete statnet. Statnet tiene funciones para todas las medidas comúnmente utilizadas en SNA, y también puede estimar modelos ERG. Si tiene sus datos en una lista de bordes, lea los datos de la siguiente manera (suponiendo que su marco de datos esté etiquetado como "lista de bordes"):
net <- as.network(edgelist, matrix.type = "edgelist", directed = TRUE) #if the network is directed, otherwise: directed = FALSE
Si sus datos están en una matriz de adyacencia, reemplace el argumento matrix.type con "adyacencia":
net <- as.network(edgelist, matrix.type = "adjacency", directed = TRUE)
El paquete statnet tiene algunas capacidades de trazado muy agradables. Para hacer un diagrama simple simplemente escriba:
gplot(net)
Para escalar los nodos de acuerdo con su centralidad intermedia, simplemente haga:
bet <- betweenness(net)
gplot(net, vertex.cex = bet)
Por defecto, la función gplot usa el algoritmo Fruchterman-Reingold para colocar los nodos, sin embargo, esto se puede controlar desde la opción de modo, por ejemplo, para usar MDS para la colocación de nodos tipo:
gplot(net, vertex.cex, mode = "mds")
o para usar un diseño circular:
gplot(net, vertex.cex, mode = "circle")
Hay muchas más posibilidades, y esta guía cubre la mayoría de las opciones básicas. Para un ejemplo autónomo:
net <- rgraph(20) #generate a random network with 20 nodes
bet <- betweenness(net) #calculate betweenness scores
gplot(net) #a simple plot
gplot(net, vertex.cex = bet/3) #nodes scaled according to their betweenness centrality, the measure is divided by 3 so the nodes don't become to big.
gplot(net, vertex.cex = bet/3, mode = "circle") #with a circle layout
gplot(net, vertex.cex = bet/3, mode = "circle", label = 1:20) #with node labels