iGraph是一个非常有趣的跨语言（R、Python、Ruby、C）库。它允许您使用单向图和有向图，并且已经实现了相当多的分析算法。

除了graph之外，还有各种用于表示有向图和无向图、关联/邻接矩阵等的包；例如查看gR任务视图。

对于可视化和基本计算，我认为igraph包是可靠的，除了Rgraphviz（@Rob 指出的在 BioC 上）。请注意，要使后者正常工作，也必须安装graphviz 。igraph包有很好的算法来创建良好的布局，就像graphviz一样。

这是一个使用示例，从一个假的邻接矩阵开始：

adj.mat <- matrix(sample(c(0,1), 9, replace=TRUE), nr=3)
g <- graph.adjacency(adj.mat)
plot(g)

除了已经说过的，对于单独的视觉化任务（以及 R 之外的），您可能有兴趣检查Gephi。

另一种选择是 statnet 包。Statnet 具有 SNA 中所有常用度量的功能，还可以估计 ERG 模型。如果您的数据在边缘列表中，请按如下方式读取数据（假设您的数据框标记为“edgelist”）：

net <- as.network(edgelist, matrix.type = "edgelist", directed = TRUE) #if the network is directed, otherwise: directed = FALSE

如果您的数据在邻接矩阵中，则将 matrix.type 参数替换为“adjacency”：

net <- as.network(edgelist, matrix.type = "adjacency", directed = TRUE)

statnet 包有一些非常好的绘图功能。要进行简单的绘图，只需键入：

gplot(net)

要根据节点的中介中心性缩放节点，只需执行以下操作：

bet <- betweenness(net)
gplot(net, vertex.cex = bet)

默认情况下，gplot 函数使用 Fruchterman-Reingold 算法来放置节点，但是这可以通过 mode 选项进行控制，例如使用 MDS 来放置节点类型：

gplot(net, vertex.cex, mode = "mds")

或使用圆形布局：

gplot(net, vertex.cex, mode = "circle")

还有更多可能性，本指南涵盖了大多数基本选项。对于一个自包含的示例：

net <- rgraph(20) #generate a random network with 20 nodes
bet <- betweenness(net) #calculate betweenness scores
gplot(net) #a simple plot
gplot(net, vertex.cex = bet/3) #nodes scaled according to their betweenness centrality, the measure is divided by 3 so the nodes don't become to big.
gplot(net, vertex.cex = bet/3, mode = "circle") #with a circle layout
gplot(net, vertex.cex = bet/3, mode = "circle", label = 1:20) #with node labels