上图是一个简单的例子，b为一矩阵，现在想统计第二列中数值等于1的元素个数，首先做一个逻辑判断，即b[,2]==1，得到一个由布尔变量true和false组成的向量。
此时只需要知道true的数量，由于对布尔变量求和，true转化为1，false转化为0，故对该向量求和即可得到true的数量，即b[,2]中等于1的数量。
安装和启动比spss快很多。上课时，老师：“先不下R studio了，这个初学够用。”
哈哈哈哈哈好的。
程序可以不难学，反正我不太喜欢上来就搞最难的，零基础小白菜得安详。
哎呀，这个课老师真的超可爱，先介绍了“R当计算器比电脑自带的好用多了！”，安利了一波计算器使用方法，像极了分享自己宝贝玩具的大男孩。
R当做计算器也的确简单。把脑子里想的数学公式打进去按回车就行了。
数学函数表示方式可能得查一下。百度必应谷歌，一搜解千愁。
常见：pi --π ；sqrt(2)=根号2；log()=ln()；exp()=e^x.
说起来这些对我来说也不常用，用不到的知识又增加了
好了，
1、基础概念之向量，Vectors：【向量是一串有序数据，向量内】
R里vectors分三种，数值、逻辑值、字符串，英文分别是
Numeric vectors
Logical vectors
Character vectors。
mode(x)语句可查看哪一类。
R里的向量表示方式：
输入数值可直接 c(1,2),字符串需要加单/双引号：c('hi',"morning")
逻辑值按回车后可判断正误，true false，或者NA(not available)。
2、变量、变量名、赋值
变量，咋说呢，定义是“A variable is used to store information”，反正就指代某一大串信息。
接下来，给变量起名字，并赋值。起名字有讲究的。
对了，打字之前，先知道一句R对大小写敏感(大小写敏感是说，大写小写在R看来是不同的东西，Yes 不等于 yes )，请把这句话记好。
起名字的规矩其实就三条：
1、可以有√：A-Z, a-z, 0-9, 英文句号 (.) 下划线 (_)
2、不能有×：空格，reserved keywords
3、开头只能是字母或点
(保留字是啥之后再说叭，今天用不到)
好了，现在已经会起名字了。再也不怕变量太多分不清了
那开始把名字和数据配配对。
赋值符号 ："
x=2， x
在R看来一个意思。
那怎么告诉它我想要的是“x小于负二”？
加空格。x<-2
是不是很妙
资料：《Statistical Analysis of Network Data with R》
语言R常见的网络分析包：
网络分析研究大部分是描述性的工作。
网络的可视化 即是一门艺术，也是一门科学。
三元闭包体现了社会网络的“传递性”（transitivity），枚举所有节点三元组中构成三角形的比值来表征。
网络的可视化和数值特征化是网络分析的首要步骤之一。
网络可视化视图将数据的多个重要反面整合在一个图表中。
该节点在多大程度上会与同类型或者不同类型的其他节点进行匹配，可以通过一种相关性统计量（所谓的同配系数）进行量化。
将复杂系统中感兴趣的问题与合适的网络概括性度量匹配起来，是网络特征化方法起作用的关键所在。
网络中的频繁子图模式
网络聚类系数的分布,用来检验社会网路的聚集性上
sand安装包
网络数据统计分析 statistical analysis of network data
在CRAN上
G=（V,E）
节点 ：vertices 或者 nodes
边：edges 或者 links
节点数量：图的阶数 order
边的数量：图的规模 size
同构图 isomorphic
无向 undirected
有向 directed graph 或者 digraph
边：有向边 directed edges 或 弧 arcs
双向 mutual
小的图形用 formulate来创建
把mg转化为wg2
Zachary 空手道俱乐部网络 （karate club network）
数据集合实际上只存在两个社团，分别以教练为中心和以主管为中心。
Lazega律师网络可视化
srt() 不能用使用 upgrade_graph()d代替
DrL算法，针对大型网络可视化设计的布局算法。
节点的节点，即社区节点（主题节点）
即一个中心节点，一其直接相连的邻居，以及这些节点至今的边。
度值不同的节点以何种方式彼此连接
图的密度
全局聚类系数
局部聚类系数
互惠性 reciprocity
二元组普查
