我想从真实网络的现有图表中构建完整的图表。节点具有属性weight。完整图表应保留现有边缘的相同属性，并将新边缘的weight设置为0.
This solution适用于小图形（在我的32gb RAM实例上，最多约10K节点），但是带有80K +节点和80M边缘的图形，我的脚本killed由操作系统在{{1}行1}}。
然后我需要知道另一种解决方案是否可行。在下面的代码中，我使用g[V(g), V(g)] <- TRUE将图表转换为其邻接矩阵，将1添加到所有值，将其转换回get.adjacency()的完整图表，从所有graph.adjacency()中减去1，然后将原始图形中的所有节点属性传递给新的完整图形。
weight这个技巧有效，但只适用于小图。瓶颈位于library(igraph)
g <- erdos.renyi.game(5, 1/5)
V(g)$size <- sample(1:10, vcount(g), replace=TRUE)
V(g)$time <- sample(1:10000, vcount(g), replace=TRUE)
E(g)$weight <- sample(1:10, ecount(g), replace=TRUE)
adj <- get.adjacency(g, attr="weight", sparse=TRUE)
adj <- adj + 1
g2 <- graph.adjacency(adj, mode="undirected", diag=FALSE, weighted=TRUE)
E(g2)$weight <- E(g2)$weight - 1
V(g2)$size <- V(g)$size
V(g2)$time <- V(g)$time
g.full <- graph.full(5)
vcount(g.full) == vcount(g2)
# [1] TRUE
V(g2)$size == V(g)$size
# [1] TRUE TRUE TRUE TRUE TRUE
V(g2)$time == V(g)$time
# [1] TRUE TRUE TRUE TRUE TRUE
，对于大图给出
adj <- adj + 1答案 0 :(得分：2)
此错误与igraph没有多大关系。在get.adjacency之后你有一个稀疏图和
adj <- adj + 1
基本上将其转换为密集矩阵。要拥有80,000行/列的密集矩阵，您需要80,000 * 80,000 * 8字节的内存，大约48GB。实际上，即使你有那么多记忆，也很可能它不会起作用，因为R会想要至少复制一次矩阵，所以你需要两倍。
然后如果你想从它创建一个igraph图，你需要比这个~100GB更多的内存，因为igraph是为稀疏图设计的，如果图是密集的，它对内存效率不高。它需要（2 * n + 4 * m）* 8字节的存储器，其中n是顶点数，m是边数。重量需要另外m * 8字节的内存，每个属性需要另外（整数）属性的n * 4字节。
所以我建议使用一些图形分析软件将数据存储在磁盘上，或考虑另一种数据表示，例如： 不存储零重量的边缘。