netdiffuserR:扩散和传染过程分析网络
此软件包包含用于分析以下对象的网络数据的函数创新应用的传播。
该软件包是作为Thomas W.Valente论文的一部分开发的,斯蒂芬妮·迪亚尔(Stephanie R.Dyal)、卡尔·海·楚(Kar-Hai Chu)、希瑟·维普弗利(Heather Wipfli)、卡约·藤本(Kayo Fujimoto)、,创新扩散理论在全球烟草控制中的应用条约批准《社会科学与医学》第145卷,2015年11月,第89-97页,ISSN 0277-9536(可用在这里)
根据描述:
实证统计分析、可视化和仿真网络上的扩散和传染过程。该包实现用于计算网络扩散统计信息的算法,例如传输率、危害率、暴露模型、网络阈值水平、传染性(传染病)和易感性。该软件包是受到Valente等人(2015)发表的作品的启发;瓦伦特(1995),Myers(2000)、Iyengar等人(2011)、Burt(1987);在其他中。
致谢:netdiffuseR是用国家癌症基金资助R01 CA157577研究所/美国国立卫生研究院。
要在出版物中引用netdiffuseR,请使用以下纸张:Valent TW,Vega Yon GG.社会扩散/传染过程网络。健康教育与行为。2020;47(2):235-248.doi:10.1177/1090198120901497实际的R包:Vega Yon G,Valente T(2022)_netdiffuserR:扩散和分析网络上的传染过程。doi:10.5281/zenodo.1039317<https://doi.org/10.5281/zenodo.1039317>,R包版本1.22.4,<https://github.com/USCCANA/netdiffuseR网站>.要以BibTeX格式查看这些条目,请使用“print(<引文>,bibtex=TRUE)','到bibtex(.)',或设置“选项(cibitation.bibtex.max=999)”。
新闻
可以查看更改日志在这里.
- [2016-06-02]视频净扩散器研讨会,地点:SUNBELT 2016现已上线youtube(youtube),可以找到车间材料在这里
- [2016-04-11]净扩散器将打开用户!2016作为演示文稿和集成电路2S22016在海报环节。
- [2016-03-16]下一次CRAN发布计划于2016年4月11日(之后车间)。
- [2016-02-18]净扩散器版本1.16.2现已启用该死!
安装
CRAN版本
要获得软件包的CRAN(稳定)版本,简单类型
出血边缘版本
如果您想要最新(不稳定)版本的净扩散器,使用开发工具
包裹,您可以安装净扩散器
开发版本如下
开发工具::安装github(“USCCANA/netdiffuseR”,构建渐晕图= 真的)
您可以通过设置跳过构建渐晕图build_vignettes=错误
(因此不需要)。
对于OSX用户来说,当安装软件包取决于卢比
。此问题,发达的在这里,可以是通过打开终端并键入以下内容来解决
卷曲 -O(运行)http://r.research.att.com/libs/gfortran-4.8.2-darwin13.tar.bz2
苏多焦油fvxz gfortran-4.8.2-达尔文13.焦油.bz2-C类/
在通过安装包之前开发工具
.
二进制版本
对于windows和mac用户,他们可以找到二进制版本包装的在这里,netdiffuseR_1…zip和netdiff散R_1?tgz。他们可以安装直接如下(使用1.16.3.29版本):
从CRAN安装依赖项r>install.packages(c(“igraph”,“Matrix”,“SparseM”,“RcppArmadillo”,“sna”),依赖项=TRUE)
下载二进制版本并按如下方式安装:
> 安装程序包(“netdiffuseR_1.16.3.29.zip”,回购=无效的)
对于windows用户和Mac用户:
> 安装程序包(“netdiffuseR_1.16.3.29.tgz”,回购=无效的)
教程
自启动netdiffuseR以来,我们在Sunbelt和NASN。以下是存储库:
演示文稿
示例
此示例取自软件包的小插曲:
## ##附加包:“netdiffuseR”##以下对象已从“package:base”中屏蔽:## ## %*%
传染性和敏感性
#生成随机图
设置种子(1234)
n个<- 100
净现值<- 20
图表<- 图形_er(n、nper、。5)
toa公司<- 样品(c(c)(1:(1+净现值-1),纳),个,真的)
头(总资产)
## [1] 16 3 14 3 13 5
#创建diffnet对象
差异网络<- as_diffnet(图,toa)
微分网络
##类diffnet的动态网络-##名称:扩散网络##行为:未指定##节点数:100(1、2、3、4、5、6、7、8…)##时段数:20(1-20)##类型:定向##最终流行率:0.95##静态属性:-##动态属性:-
##扩散网络汇总统计##名称:扩散网络##行为:未指定## -----------------------------------------------------------------------------##领养人累计领养期。(%)危害率密度Moran’s I(sd)## -------- ---------- ---------------- ------------- --------- ---------------- ## 1 8 8 (0.08) - 0.50 -0.01 (0.00) ## 2 3 11 (0.11) 0.03 0.50 -0.01 (0.00) ## 3 6 17 (0.17) 0.07 0.51 -0.01 (0.00) ## 4 3 20 (0.20) 0.04 0.49 -0.01 (0.00) ## 5 9 29 (0.29) 0.11 0.50 -0.01 (0.00) ## 6 5 34 (0.34) 0.07 0.50 -0.01 (0.00) ## 7 2 36 (0.36) 0.03 0.51 -0.01 (0.00) ## 8 3 39 (0.39) 0.05 0.50 -0.01 (0.00) ## 9 5 44 (0.44) 0.08 0.50 -0.01 (0.00) ## 10 1 45 (0.45) 0.02 0.49 -0.01 (0.00) ## 11 3 48 (0.48) 0.05 0.50 -0.01 (0.00) ## 12 6 54 (0.54) 0.12 0.50 -0.01 (0.00) ## 13 8 62 (0.62) 0.17 0.50 -0.01 (0.00) ## 14 9 71 (0.71) 0.24 0.50 -0.01 (0.00) ## 15 5 76 (0.76) 0.17 0.50 -0.00 (0.00) ** ## 16 7 83 (0.83) 0.29 0.50 -0.01 (0.00) ## 17 5 88 (0.88) 0.29 0.49 -0.00 (0.00) *** ## 18 4 92 (0.92) 0.33 0.50 -0.01 (0.00) ## 19 1 93 (0.93) 0.12 0.50 -0.01 (0.00) ## 20 2 95 (0.95) 0.29 0.50 -0.01 (0.00) ## -----------------------------------------------------------------------------##左侧审查:0.08(8)##右定心:0.05(5)##节点数:100## ##Moran’s I是使用1/测地线根据同期自相关计算得出的##值。显著水平***<=.01,**<=.05,*<=.1。
#可视化感染/感染的分布
外面的<- 斑点感染(差异,垃圾箱= 20,K(K)=5,对数刻度= 错误的,小时=.01)
外面的<- 斑点感染(差异,垃圾箱= 20,K(K)=5,对数刻度= 真的,
不包括零= 真的,小时=1)
##plot_infectuscep.list中的警告(graph$graph,graph$toa,t0,normalize,:When##应用对数尺度时,缺少一些观测结果。
门槛
#生成随机图
设置种子(123)
差异网络<- rdiffnet公司(500,20,
种子节点= “随机”,
argraph.args参数= 列表(米=三),
阈值.dist= 功能(x)运行(1, .三, .7))
##函数(graph,p,algorithm=“endpoints”,both.ends=FALSE,:##选项copy.first-设置为TRUE。在这种情况下,第一个图形将是##作为基线处理,因此,T=1之后的网络将被T-1取代。
##类diffnet的动态网络-##名称:扩散网络##行为:随机传染##节点数:500(1、2、3、4、5、6、7、8…)##时段数:20(1-20)##类型:定向##最终流行率:1.00##静态属性:real_threshold(1)##动态属性:-
#具有固定顶点大小的阈值
plot_threshold(打印阈值)(diffnet)
使用更多功能
数据(“medInnovationsDiffNet”)
设置种子(131)
plot_threshold(打印阈值)(
医疗创新DiffNet,
顶点颜色=绿柱石::地狱(4)[med创新DiffNet[[“城市”]]],
顶点x边=医疗创新DiffNet[[“城市”]]+ 2,
潜艇= “注:顶点的大小和形状分别由度和城市给出”,
抖动系数= c(c)(1,1),抖动安装= c(c)(.25,.025)
)
##(函数(graph,expo,toa,include_censored=FALSE,t0)中出现警告=##min(toa,:-vertex.sides-将被强制为整数。
采用率
危险率
扩散过程
plot_diffnet(medInnovationsDiffNet,切片=c(c)(1,9,8))
差速器.toa(brfarmersDiffNet)[brfarmersDiffNet]$toa公司>= 1965]<- 纳
打印差异2(brfarmersDiffNet,顶点x大小= “不确定”)
设置种子(1231)
#随机无标度扩散网络
x个<- rdiffnet公司(1000,4,见图表=“无标度”,见p.采用=.025,
重新布线= 错误的,种子节点= “中央”,
argraph.arg参数=列表(自我=错误的,米=4),
阈值.dist= 功能(id)运行(1,.2,.4))
#扩散贴图(无随机toa)
dm0型<- 扩散贴图(x,kde2d.args参数=列表(n个=150,小时=1),布局=记录仪::布局_with_fr)
#随机
差速器.toa(x)<- 样品(x)$到,尺寸= nnodes(节点)(x) )
#扩散贴图(随机toa)
dm1型<- 扩散贴图(x,布局=dm0(分米)$坐标,kde2d.args参数=列表(n个=150,小时=.5))
旧款<- 标准(无只读= 真的)
科尔<-绿柱石::等离子体(100)
标准(mfrow公司=c(c)(1,2),奥马=c(c)(1,0,0,0),cex公司=.8)
形象(dm0,科尔=科尔,主要=“非随机收养时间\n个核心采用。")
形象(dm1,科尔=科尔,主要的=“随机收养次数”)
标准(mfrow公司=c(c)(1,1))
多行文本(“两个网络在采用时间上的分布相同”,1,
外部= 真的)
采用者分类
外面的<- 分类(kfamilyDiffNet,包括审查= 真的)
ftable(英尺)(退出)
##thr非兴奋剂极低阈值。低阈值。高阈值。非常高的阈值。##toa公司##非吸烟者0.00 0.00 0.000 0.00##早期采用者0.00 14.04 8.40 0.57 0.29##早期多数0.00 5.64 11.65 5.54 2.58##后期多数0.00 1.34 5.06 6.21 2.96##落后0.00 1.53 0.00 0.00 34.19
#绘图
旧款<- 标准(无只读= 真的)
标准(X射线光电子能谱仪=真的)
情节(退出,颜色=绿柱石::地狱(5),拉斯维加斯= 2,xlab公司=“收养时间”,
伊拉布=“阈值”,主要="")
#正在添加密钥
传奇(“底部”,图例= 水平(退出$thr),填充=绿柱石::地狱(5),水平= 真的,
cex公司=.6,顺便提一下=“n”,插入=c(c)(0,-.1))
会话信息
##R版本4.2.1(2022-06-23)##平台:x86_64-pc-linux-gnu(64-bit)##运行于:Ubuntu 20.04.5 LTS## ##矩阵产品:默认##BLAS:/usr/lib/x86_64-linux-gnu/BLAS/libblas.so.3.9.0##LAPACK:/usr/lib/x86_64-linux-gnu/LAPACK/liblapack.so.3.9.0## ##区域设置:##[1]LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C##[3]LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8##[5]LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-9##[7]LC_PAPER=en_US.UTF-8 LC_NAME=C##[9]LC_ADDRESS=C LC_TELEPHONE=C##[11]LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C## ##附加的基本包:##[1]统计图形grDevices数据集utils方法库## ##其他附加包:##[1]净扩散R_1.22.4## ##通过命名空间加载(未附加):##[1]Rcpp_1.0.9 sna_2.6高_0.9##[4]编译器_4.2.1柱_1.8.1工具_4.2.1##[7]boot_1.3-28 digest_0.6.29 MatchIt_4.4.0##[10]评估0.16 tibble_3.1.8生命周期_1.0.2##[13]lattice_0.20-45绿色Lite_0.4.0 pkgconfig_2.0.3##[16]郎_1.0.5矩阵_1.5-0迁移_1.3.2##[19]cli_3.4.0 rstudioapi_0.14 yaml_2.3.5##[22]稀疏M1.81 xfun_0.32 fastmap_1.1.0##[25]coda_0.19-4字符串_1.4.1编织_1.40##[28]vctrs_0.4.1网络Dynamic_0.11.1网格_4.2.1##[31]胶水_1.6.2 fansi_1.0.3 bspm_0.3.9##[34]rmarkdown_2.16磁头_2.0.3后端口_1.4.1##[37]htmltools_0.5.3 MASS_7.3-58.1 utf8_1.2.2##[40]字符串_1.7.8网络_1.17.2 statnet.common_4.7.0
待办事项列表
- 导入/导出功能,用于连接其他包的类,在特别是:
统计网
套装(特别是包装网络动态
和数字电视
),记录仪
和鲁西纳
.
- 填充测试文件夹。
使用法术?(选择目标
将使用这)
使用早期收养者按收养类别对个人进行分类,采用者和落后者,按阈值使用非常低、低、高和非常高的门槛(瓦伦特95’p.94)。
使用邻接矩阵仔细检查所有功能值。
从矩阵和向量中删除数据名。效率更高使用存储在meta中的。
- 实施Bass模型
包含导入测量数据的功能(如小插曲)
- 根据马哈拉诺比斯距离和罗杰·伦德斯加权风险敞口(内部注释)。
- (2016-03-30):使用
xspline公司
用于绘制多边形&边缘。
(2016-04-04):向添加更多选项暴露
,即,自己
(因此,无论是否删除对角线!)。
- (2016-04-19):动物行为学家。
- (2016-10-18):审查整个手册的语言(超过创新)。
- (2016-10-18):评估并最终使用标准图形格式(
网络
例如?)。
- (2016-10-18):标准化图表绘制方法(选择其中之一statnet/igraph/own)