怎样开展网络数据分析？

说起网络一词，大家普遍会想到计算机网络或万维网（World Wide Web，简称WWW）。然而，计算机网络只属于广义网络的一个分支。广义上，网络被定义为由若干节点和边所构成，表示诸多对象及其相互联系。所有的实体都可以成为网络中的对象或节点，因此有“万物皆可网络化”这一说法。

给定一个网络，尤其是大网络，我们就很想知道网络中到底隐藏了什么信息和什么规律。要想了解和解析网络，必然要对网络数据进行分析。这里指的分析一般指统计分析。关于网络数据分析，有许多专业性强的书籍，这些书籍基于的背景可以是社会学、经济学、生物医学等。如果不从事相关领域，要想了解网络数据分析的方法和技术，时间和精力投入还是有点大的。为了打破专业壁垒，现在就有一本不需要专业背景的网络数据分析书籍《网络数据的统计分析：R语言实践》。该书籍作者是美国埃里克・D・克拉泽克和加博尔・乔尔迪（扩展包igraph的主要开发者）教授合写的著作，依托的编程语言是R，讲述的都是广义网络的统计分析方法。虽然2016年就出版中文版了，但是对于网络数据分析人员仍然具有很大借鉴意义。

图1 《网络数据的统计分析：R语言实践》中文版

整本书分为三个部分：网络可视化与特征化、网络建模与推断和网络过程。第一部分（网络可视化与特征化）主要介绍网络研究的必要性、网络分析类型、操作网络数据、网络图的描述性分析，第二部分（网络建模与推断）主要介绍网络图的数学模型、网络图的统计模型、网络拓扑结构推断，第三部分（网络过程）主要讲述网络图上的过程建模与预测、网络流数据分析和动态网络。

为了使读者更好的分析网络数据，作者基于igraph扩展包还提供了R运行代码。所有实践R代码还打包成一个R扩展包sand（statistical analysis of network data，https://cran.r-project.org/web/packages/sand/）。

图2 sand扩展包

整体而言，《网络数据的统计分析：R语言实践》可以边看理论边进行实践操作，对于理解网络数据分析方法和模型有很大帮助。当然，运行代码的前提是你得知道R语言基础。

后话

除了R扩展包igraph，还有一些网络数据分析工具。例如最早出现的网络分析与可视化工具Pajek，还有多平台网络分析与可视化工具Cytoscape和Gephi（参见网络可视化软件推荐两款）。这些工具都支持互动式操作，并且无需编写代码就能够实现网络数据可视化和分析。

参考文献与链接

[1] 埃里克・ D ・克拉泽克, 加博尔・乔尔迪. 网络数据的统计分析:R语言实践[M]. 西安交通大学出版社, 2016.

[2] https://book.douban.com/subject/26818368/

[3] https://cran.r-project.org/web/packages/sand/

以往推荐如下：

1. 因果推理综述推荐一篇

2. 生物学家的机器学习指南

3. 基础模型的机遇与风险

4. 一份单细胞数据分析教程

5. R/Shiny交互式生物Web应用程序

6. VOSviewer：文献图谱可视化

7. ​卡片式笔记工具：Roam Research

8. ​国外知乎：Quora

9. 生信问答平台：Biostars

10. ​IT问答平台：Stack Overflow

11. 预印本知多少？

12. 借助Bioconductor策划单细胞分析

13. 要选哪个蛋白质互作数据库作为先验信息？

14. mRNA表达无法取代蛋白质表达

15. scIB：单细胞数据融合基准框架

16. ​临床医疗维修店铺

17. NAguideR：填充蛋白质组学数据缺失值

18. 怎样做好一项研究？

19. 怎样做开题报告？

20. 深度学习助力单细胞数据分析

21. Any RNA

22. 走进数据科学

23. ​直抵自闭症核心

24. 癌症内RNA

25. 一对搭档：计算与生物

26. ​TF靶标

27. 生物组织内细胞通讯

28. 记一次主题编辑经历

29. ​6个，10个，14个......

30. 你健康吗？

31. 你衰老了吗？

32. ​scIMC：填充单细胞转录组数据缺失值

33. 差异表达分析：经典方法未必逊色于流行方法

34. 多组学的基本要素