在R中进行网络分析时，我对igraph比较熟悉，但对sna一点都不熟悉。
我的问题是：
这两个库是否兼容？即我可以将sna的操作应用于igraph中创建的图表，反之亦然吗？
是否在一个包中执行的任务更有效 比另一个？
哪个库具有更易理解的操作范围？
总体而言，是否有充分理由使用igraph或sna在R中进行网络分析？
PS。这些软件包中是否允许进行多层（多路）网络分析？
答案 0 :(得分：7)
我对这两个软件包之间差异的全局描述是igraph更适合图论和网络数学模型，sna更适合于统计模型（主要是社交）网络。 igraph（我认为）的创造者大多具有计算机科学的背景，而sna人是社会学家和统计学家。我主要在sna（以及构成statnet套件的相关软件包 - 我在社会科学中）工作，但也经常使用igraph，有时在同一个脚本中。
回答您的具体问题：
1）不，他们不是。 igraph中的许多函数在sna中具有相同的名称，这会导致冲突。 igraph函数无法使用sna图表。创建了一个包intergraph，以便在sna和igraph之间轻松切换。因此，我可以首先转到igraph来向sna函数发送intergraph图表，例如sna::evcent(intergraph::asNetwork(g))，假设g是igraph网络。如果在脚本中同时使用它们，则需要在运行函数时专门调出包，或根据需要加载和卸载。
2）根据我的经验，我没有发现一个比另一个更有效率。两者都是很好的开发和维护包。我相信igraph更适合大型图形 - 它有一些功能可以修改，以节省在大型图形上运行时的计算时间。但我没有直接经验。虽然我会说igraph在可视化方面通常更好。
3）我会说，两者都没有全面的优势。两者都做主要的网络分析（中心，网络拓扑）。它们的“高级”功能不同。请参阅我的一般观点 - 它们适用于网络分析中的重叠但不同的问题。 sna中有很多内容在igraph中不可用（例如与统计推断相关，如QAP回归[netlm / netlogit]或网络自相关模型[{ {1}}]），反之亦然（例如，lnam等社区检测功能）。 cluster_fast_greedy由许多兼容的软件包扩展，这些软件包可用于潜在空间模型和指数随机图模型。
sna中工作。如果没有，sna通常会发挥作用。基于堆栈溢出的问题，igraph似乎更受欢迎，但这当然可能是由于选择偏差。仅仅因为这个原因，如果我不需要统计模拟网络，我可能大多使用igraph。同样，两个包都很棒，服务重叠，但需求略有不同。
不确定“多层网络分析”是什么意思，但igraph和igraph都使用多路复用网络。您当然可以在sna中分析多路复用网络和多级网络。 （这里，多路复用意味着具有各种关系类型的网络（例如友谊和建议）和多层意味着嵌套网络或来自同一群体的多个网络（此时术语有点混淆）。）这取决于你的内容我想做，并经常采取一些争吵，但在一定程度上是可能的。