igraphHRG
对象可以以两种形式打印到屏幕:作为树或作为列表,具体取决于print函数的type
参数。 默认情况下,使用auto
类型,它为小图选择tree
,为大图选择simple
(=list)。 tree
格式如下所示
Hierarchical random graph, at level 3:
g1 p= 0
'- g15 p=0.33 1
'- g13 p=0.88 6 3 9 4 2 10 7 5 8
'- g8 p= 0.5
'- g16 p= 0.2 20 14 17 19 11 15 16 13
'- g5 p= 0 12 18
这是一个有 20 个顶点的图,并且打印了拟合分层随机图的前三个级别。 HRG 的根节点始终是顶点组 #1(打印输出中的“g1
”)。 根据拟合模型,g1
左子树中的顶点对以零概率连接到右子树中的顶点。 g1
有两个子组,g15
和g8
。 g15
有一个单顶点(顶点 1)的子组,以及另一个包含顶点 6、3 等的较大子组,位于较低级别等等。 plain
打印更简单且生成速度更快,但视觉效果较差
Hierarchical random graph:
g1 p=0.0 -> g12 g10 g2 p=1.0 -> 7 10 g3 p=1.0 -> g18 14
g4 p=1.0 -> g17 15 g5 p=0.4 -> g15 17 g6 p=0.0 -> 1 4
g7 p=1.0 -> 11 16 g8 p=0.1 -> g9 3 g9 p=0.3 -> g11 g16
g10 p=0.2 -> g4 g5 g11 p=1.0 -> g6 5 g12 p=0.8 -> g8 8
g13 p=0.0 -> g14 9 g14 p=1.0 -> 2 6 g15 p=0.2 -> g19 18
g16 p=1.0 -> g13 g2 g17 p=0.5 -> g7 13 g18 p=1.0 -> 12 19
g19 p=0.7 -> g3 20
它列出了每个内部节点的两个子组,列数与屏幕宽度允许的列数一样多。
参见
其他分层随机图函数:consensus_tree()
、fit_hrg()
、hrg()
、hrg-methods
、hrg_tree()
、predict_edges()
、print.igraphHRGConsensus()
、sample_hrg()