我正在尝试针对不同的顶点属性计算网络的分类性。但是，每次我要计算 assortativity_nominal（）时，都会出现致命错误，R终止。不过，有趣的是，我还有一个相同的变量，用数字表示，执行方法 assortativity（）给了我输出。我只想知道两种方法是否返回相同的系数。通常，我的网络的特征是某些功能中缺少一些值，但是我用固定值代替了这些值。
V(myGraph)$class[is.nan(V(myGraph)$class)] <- 99
V(myGraph)$argmax_column[is.na(V(myGraph)$argmax_column)] <- "p99"
V(myGraph)$argmax_column[V(myGraph)$argmax_column == ""] <- "p99"
unique(V(myGraph)$class)
[1] 2 1 0 99
unique(V(myGraph)$argmax_column)
[1] "p1" "p2" "p3" "p99"
另一个问题是我必须将 V（myGraph）$ argmax_column 转换为一个因数，否则R将终止。
> assortativity(myGraph, V(myGraph)$class, directed=T)
[1] 0.01432427
> assortativity_nominal(myGraph, V(myGraph)$argmax_column, directed=T)
[1] FATAL ERROR - R TERMINATES
我也将变量转换为因子，但是顺序与数字特征不同/不相等，并且对于相同数据将返回其他结果。
> assortativity_nominal(myGraph, as.factor(V(myGraph)$argmax_column), directed=T)
[1] 0.0371235
我的意思是即使对于名义值或数字值，分类系数的计算也应该相同，因为这两个特征的含义相同（相同的值，只是其他数据类型）。