# Analise de redes

library(igraph)
library(networkD3)


#    Multipartida a seguir.

# Leitura de arquivos do tipo csv ------------------------------
g2.nos <- read.csv("mpartida_nos.csv",header=TRUE, sep = ";")
g2.arestas <- read.csv("mpartida_arestas.csv",header=TRUE, sep = ";")

# Obtencao do grafo a partir dos data.frames
rede <- graph.data.frame(g2.arestas,directed=FALSE, vertices=g2.nos)
rede
# Alterando o nome dos vertices para Label
# A coluna id sera "criada" para armazenar os numeros dos vertices
V(rede)$id <- V(rede)$name
V(rede)$name <- V(rede)$Label

# Espessura das arestas
E(rede)$width <- E(rede)$weight

# Calculando o grau de cada vertice
V(rede)$Grau <-  degree(rede)

# Definindo cores para cada tipo vertice ##########################
# Cores de acordo com a Categoria ----------------------------
colrs <- c("gray50", "tomato", "gold")
V(rede)$Cores <- colrs[V(rede)$CategoriaNum]


# Layouts para a rede ########################################
# Layout Kamada Kawai ----------------------------------------
L.kk.2 <- layout_with_kk(rede)
plot(rede, layout=L.kk.2,vertex.size = V(rede)$Grau*8,vertex.color= V(rede)$Cores)

# Layout Circular ----------------------------------------
L.circ <- layout.circle(rede)
plot(rede, layout=L.circ,vertex.size = V(rede)$Grau*8,vertex.color= V(rede)$Cores)

# Fruchterman-Reingold
set.seed(567)
L.fr <- layout_with_fr(rede)
plot(rede, layout=L.fr,vertex.size = V(rede)$Grau*8,vertex.color= V(rede)$Cores)

# Layouts para redes bi- tri-partidas
camada <- V(rede)$CategoriaNum
L.trip <- layout_with_sugiyama(rede, layers=V(rede)$CategoriaNum)
plot(rede,layout=cbind(camada,L.trip$layout[,1]),
     vertex.size=V(rede)$Grau*8,vertex.color= V(rede)$Cores)

# Matriz de Adjacência -----------------------------------------
ma.2 <- as_adjacency_matrix(rede, type = "both",attr="weight")
ma.2

# Medidas relacionadas à rede ----------------------------------
# Densidade
densidade <- graph.density(rede, loops = FALSE)
densidade

# Grau médio
grau.medio <- mean(degree(rede))
grau.medio

# Comprimento de caminho médio (average path length)
L.medio <- average.path.length(rede, unconnected = TRUE)
L.medio

# Diâmetro
diametro <- diameter(rede)
diametro

# Coeficiente de agrupamento m?dio
agrup.medio <- transitivity(rede, type = "average")
agrup.medio

# Tabela com resultados para a rede
Medida <- c("Grau Médio","Densidade","Distância Média","Diâmetro","Coef. Agrup. Médio")
Valor <- c(grau.medio,densidade,L.medio,diametro,agrup.medio)
rede.valores <- as.data.frame(cbind(Medida,Valor))
rede.valores

# Medidas relacionadas aos nós ---------------------------------
# Grau
grau.nos <- degree(rede)
grau.nos

# Tabela para Grau
grau.tab <- as.data.frame(grau.nos)
grau.tab$Nome <- row.names(grau.tab)
names(grau.tab) <- c("Grau","Nome")
grau.tab <- grau.tab[,c(2,1)]
grau.tab <- as.data.frame(grau.tab)
grau.tab

# Pagerank
pg.rnk <- page.rank(rede)
pg.rank <- pg.rnk$vector
# Tabela para page rank
pgrnk.tab <- as.data.frame(pg.rank)
pgrnk.tab$Nome <- row.names(pgrnk.tab)
names(pgrnk.tab) <- c("PageRank","Nome")
pgrnk.tab <- pgrnk.tab[,c(2,1)]
pgrnk.tab <- as.data.frame(pgrnk.tab)
pgrnk.tab

# Intermediacao
interm.nos <- betweenness(rede,normalized = TRUE)
# Tabela para intermediacao
betw.nos.tab <- as.data.frame(interm.nos)
betw.nos.tab$Nome <- row.names(betw.nos.tab)
names(betw.nos.tab) <- c("Betweenness","Nome")
betw.nos.tab <- betw.nos.tab[,c(2,1)]
betw.nos.tab <- as.data.frame(betw.nos.tab)
betw.nos.tab

# Clustering
agrup <- transitivity(rede, type = "local")
# Tabela para Clustering
agrup.tab <- as.data.frame(agrup)
agrup.tab$Nome <- row.names(grau.tab)
names(agrup.tab) <- c("Clustering","Nome")
agrup.tab <- agrup.tab[,c(2,1)]
agrup.tab <- as.data.frame(agrup.tab)
agrup.tab

# Data frame agregado
resumo1 <- merge(grau.tab,pgrnk.tab,by="Nome")
resumo2 <- merge(betw.nos.tab,agrup.tab,by="Nome")
resumo.no <- merge(resumo1,resumo2,by="Nome")
resumo.no <- resumo.no[order(-resumo.no$PageRank),]
rm(resumo1,resumo2)
resumo.no

# Medidas para arestas -----------------------------------------
interm.arestas <- edge_betweenness(rede, directed = FALSE)
interm.arestas

E(rede)$EdgeBetw <- interm.arestas
aresta.tab <- as_edgelist(rede, names = TRUE)
aresta.nam <- paste(aresta.tab[,1],"--",aresta.tab[,2])
df.aresta <- as.data.frame(cbind(aresta.nam,interm.arestas))
names(df.aresta) <- c("Aresta","Edge.Betweenness")
df.aresta


rede_d3 <- igraph_to_networkD3(rede, group = V(rede)$CategoriaNum)

# Create force directed network plot
forceNetwork(Links = rede_d3$links, Nodes = rede_d3$nodes,
             Source = 'source', Target = 'target', NodeID = 'name',
             Group = 'group')
# ----------------------------------------------------------
# O arquivo Lista02_Respostas.doc com as respostas,
# feito com Rmarkdown:
#
output1 = "mpartida.doc"
output2 = "mpartida.html"
rmarkdown::render('mpartida.Rmd', output_file = output2,
                  #params = params, 
                  envir = new.env(parent = globalenv()))
#-----------------------------------------------------------

# #######################################################################