非0，1赋值矩阵怎么进行社会网络分析

在十年前，或许可选择的较少，现在可供网络分析使用的，不下上百种，如果要从中挑出适合自己需要的，倒也的确比较困难。或许所有应用这项技术的人，都会自己所熟悉的工具。我虽然不能说可以用手头的工具解决所有问题，但谈一下为什么选用这个还是有必要的，当然，还真有人在网上发了论文，对一些进行比较。真是不好意思的是，在写这篇博文时，我搜索了一下自己的硬盘，居然没找到那篇论文。
我觉得有必要从个人角度澄清一下对这个应用范围的看法。
首先，Pajek是用来处理大型网络的。在目前版本中，它可以处理多达9亿个顶点的网络文件。如果你手头的网络文件顶点不超过1000个，那用Ucinet、NodeXL等，都不会有速度的障碍。
第二，Pajek是所有网络分析工具中，唯yi配备了循序渐进教程的。在我个人看来，人类所创造的工具，是现有感官的延伸，是进一步创造新认识和新直觉的阶梯。所以，当我们要理解并熟练掌握甚至可以精通某种操作化的分析技能时，需要有一个逐渐训练的过程，并且在这种过程中形成对一些看似抽象的概念的直观认识。配备了循序渐进教程的Pajek，正好成为入门时的练手工具。
第三、Pajek提供了探索网络结构的途径，但它的统计分析功能很弱。但是，它又同时配备了R接口。在我看来，把Pajek的数据探索功能与R的统计功能结合，就已经基本符合网络分析技术的应用需求。如果超出这种基本功能的更高阶需求，那就不仅仅是应用这种技术，而是研究这种技术本身了。
总结起来，当学习社会网络分析技术时，我个人觉得应当掌握的有两个：Pajek和R（R里面有许多分析包，其中igraph和sna这两个包很重要，应当ZD掌握）。应当熟悉的有Matlab和NodeXL，前者帮助你做一些矩阵转换，后者则提供了一个简单的EXCELL插件供你做网络文件制备。对于如何学习R的操作，我建议零起点的朋友，如果是生物医学方面的，可以选择《应用R