Dies ist ein R-Code, der für den Beitrag "Zentrale Personen in einem Co-Autorennetzwerk ermitteln mit R und igraph" verwendet wurde.
Der Beitrag findet sich unter: https://www.christianhmeyer.de/zentrale-personen-in-einem-co-autorennetzwerk-ermitteln-mit-r-und-igraph/

---Beginn---

#Benötigte Pakete (Libraries) laden
library(igraph)
library(stringr)

#Optionen setzen
options(stringsAsFactors = FALSE)

#Daten einlesen/laden 
file_path <- "C:/Users/C/Desktop/ranalyse/netzwerke/blog_UA/1UAEurope_authors.txt"
data <- read.csv2(file_path, header = FALSE, sep = ";", fill = TRUE, encoding = "UTF-8", na.strings = "")

#Daten säubern: überflüssige Leerzeichen löschen
authors <- as.data.frame(apply(data, 2, str_trim))

#Zahl der eindeutigen Personen ermitteln und sortieren
unique_authors <- data.frame(V1 = as.character(unique(unlist(authors), use.names = TRUE)))
unique_authors <- data.frame(V1 = as.character(sort(unique_authors$V1)))

#Anzahl der Publikationen je Autor/i ermitteln
no.publications <- data.frame(table(unlist(authors)))

#Zählen der Publikationen pro Autor/in
no.publications <- no.publications[order(no.publications$Freq, decreasing = TRUE), ]

#Sortieren nach Anzahl
#Anzahl der Autorinnen bzw. Autoren per Publikation und darstellen
no.authors <- data.frame(V1 = apply(authors, 1, function(x) sum(!is.na(x))))
barplot(table(no.authors), xlab="Anzahl der Autor/innen pro Paper", ylab = "Häufigkeit")

#Schrittweises Erstellen der Edgelist
#1. Alle Publikationen mit nur einer/m Autor/in eleminieren (Subset)
subs.authors <- subset(authors, authors$V2 != "NA")
subs.authors2 <- subs.authors[1:nrow(subs.authors),1:5]

#2. Schleife (Loop) zur Darstellung aller Verbindungen innerhalb eines Papers
net.edges <- data.frame(aut1=character(), aut2=character())

#Erstellen eines leeren Dataframes
for(i in 1:nrow(subs.authors2))
	{ noNA <- (subs.authors2[i,]) #Zwischenspeicher
	  noNA <- noNA[!is.na(noNA)] #Entfernen der NA
	  res <- combn(noNA, m=2) #Erstellen aller Zweierkombinationen
	  res <- as.data.frame(res) #Umwandeln zum Dataframe
	  res <- t(res) #Transponieren
	  net.edges <- rbind(net.edges, res) #Zur Edegelist hinzufügen
	}

# Erstellen des Visualisierung
# Graph aus Edgeliste erstellen (macht igraph)
g1 <- graph.data.frame(net.edges, directed = FALSE)

#Vereinfachen des zugrundeliegenden Matrix
g1s <- simplify(g1, remove.multiple = TRUE, remove.loops = TRUE)

#Visualisieren des Gesamtnetzwerkes
set.seed(195) plot(g1s, vertex.size=3, vertex.shape="circle", vertex.label.cex=0.85, edge.width=0.2)

# Überschrift der Visualisierung
headline <- "Autor/inn/en-Netzwerk COST Action Urban Agriculture Europe"
title(paste("\n", headline, sep = ""), cex.main=1, col.main="black")
paste("\n", headline, sep = "")

#Berechnen von Netzwerkkennzahlen bzw. Zentralitäten
decomp.g1s <- decompose.graph(g1s)

#Zerlegen des gesamten Netzwerkes (Graph g1s) in seine Komponenten
g1_dg <- decomp.g1s[[1]]

#Degree-Zentralität
degree.g1_dg <- data.frame(V1 = degree(g1_dg, mode="all"))

#Nähe-Zentralität
closeness.g1_dg <- data.frame(V2 = closeness(g1_dg))

#Zwischenzentralität
betweenness.g1_dg <- data.frame(V3 = betweenness(g1_dg))

#Erstellen eines zusammenfassenden Dataframes
names.g1_dg <- rownames(degree.g1_dg)
net.measures <- data.frame(V1 = names.g1_dg, V2 = degree.g1_dg, V3 = closeness.g1_dg, V4 = betweenness.g1_dg, row.names = NULL)
colnames(net.measures) <- c("Name", "Degree", "Closeness", "Betweeness")

---Ende---