如何将函数应用于图形/网络中的每个连接组件？
我有一个大型 igraph 对象，有 70,000 多个顶点（节点）和 200,000 多个边（连接）。我想计算一些中心性度量，但网络太大。我认为一个好的解决方法是将我的网络分解为连接的组件（即使是最大的组件也不会太大）。
我正在考虑使用 igraph 函数 clusters 或相关方法。然后我可以计算集群上的 alpha.centrality() 和 bonpow() 吗？然后将结果合并回原始 igraph 对象？ （或具有所有顶点的数据框）
我不确定最好的方法，我真的很想听听人们的任何想法。非常感谢:)
I have a large igraph object 70,000+ vertices (nodes) and 200,000+ edges (connections). I'd like to calculate some measures of centrality but the network is too big. I thought a good work around would be to break my network into connected components (even the largest isn't too big).
I was thinking about using the igraph function clusters or related methods. Could I then calculate alpha.centrality() and bonpow() on the clusters? and then merge the results back into the original igraph object? (or a dataframe with all vertices)
I'm not sure of the best approach and I'd be really interested to hear any ideas people have. Many thanks :)
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
您可以使用igraph中的
decompose.graph函数来获取连接组件的列表，然后使用lapply来运行您的函数（alpha.centrality> 或bonpow）在每个组件上。运行decompose.graph后，您可能需要释放原始图以重新声明一些内存。You can use the
decompose.graphfunction in igraph to obtain a list of the connected components, then uselapplyto run your function (alpha.centralityorbonpow) on each of the components. After having rundecompose.graph, you may want to deallocate your original graph to re-claim some memory.