#2020年数据
setwd('C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\贸易网络邻接矩阵')
tradenet<-read.csv('result_2020.csv',header=TRUE)
tradenet01<-data.frame(from=tradenet$i,to=tradenet$j,weight=tradenet$v)#构建网络完成
install.packages('igraph')
library(igraph)
install.packages('sand')
library(sand)
g.1<-graph.lattice(c(5,5,5)) 
g<-graph_from_data_frame(tradenet01,directed = T,vertices = NULL)
mean(strength(g,mode="out"))
mean(strength(g,mode="in"))
mean(strength(g,mode="all"))
mean(degree(g,mode="out"))
mean(degree(g,mode="in"))
mean(degree(g,mode="all"))
V(g)$label<-NA
plot(g,vertex.label.cex=1,edge.arrow.size=0.1,layout=layout.circle)
degree(g,mode='total')
s1<-strength(g,mode = "in")
s2<-strength(g,mode = "out")
write.csv(s1,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\入强度中心度.csv')
write.csv(s2,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\出强度中心度.csv')

deg<-degree(g,mode='all')
V(g)$size<-deg*0.05
l<-layout_with_fr(g)
l<-norm_coords(l,ymin=-.05,ymax=.05,xmin=-.1,xmax=.1)
par(mfrow=c(2,2),mar=c(0,0,0,0))
V(g)$label<-NA
plot(g,vertex.label.cex=1,edge.arrow.size=0.1,rescale=F,layout=l*20)
#网络可视化有待完善
#网络整体结构分析
V(g)#节点数
E(g)#边数
graph.density(g)#密度
mean_distance(g)#平均路径长度
transitivity(g)#集聚系数
reciprocity(g)#互惠系数
#网络群体结构分析
is.connected(g)#判断网络是否联通
count_components(g)#有多少个联通片区
components(g)#判断属于哪一个联通片区
degree(g,mode='all')#根据节点的贸易额计算网络的k核
#社群的划分（尝试了不同的划分依据）
#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g)
modularity(mc)
sizes(mc)
membership(mc)
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g)
#modularity(lec)
sizes(lec)
#基于边中介中心性
ebc<-edge.betweenness.community(g)
ebc
sizes(ebc)#查看社群划分个数
sort(sizes(ebc),decreasing=TRUE)
membership(ebc)#查看每个节点所属社群
modularity(ebc)#计算社群划分的模块度
plot(ebc,g)#绘制社群划分网络图
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g)
modularity(lec)
sizes(lec)
membership(lec)#查看社群划分个数
#自旋玻璃模型和模拟退火
spc<-spinglass.community(g,spins = 4)
sizes(spc)#查看社群划分个数
sort(sizes(spc),decreasing=TRUE)
membership(spc)#查看每个节点所属社群
modularity(spc)#计算社群划分的模块度
plot(spc,g,vertex.label.color=rgb(.25,.5,.3,alpha = .5),vertex.label.size=.7,edge.arrow.size=0.1)
setwd('C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\BACI_HS12_V202201')
#基于信息传播
imc<-infomap.community(g)
imc
sizes(imc)#查看社群划分个数
sort(sizes(imc),decreasing=TRUE)
membership(imc)#查看每个节点所属社群
modularity(imc)#计算社群划分的模块度
plot(imc,g)
#网络的个体结构特征
d<-degree(g,mode='all')#绝对度数中心度
write.csv(d,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2020\\度数中心度.csv')
degree(g,normalized = TRUE)#标准化相对中心度数
a<-degree(g,mode = 'in')#进口中心度排名
b<-degree(g,mode = 'out')#出口中心度排名
write.csv(a,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2020\\入度中心度.csv')
write.csv(b,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2020\\出度中心度.csv')
e<-strength(g)#强度中心度
write.csv(e,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2020\\强度中心度.csv')
c<-betweenness(g)#中介中心度
write.csv(c,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2020\\中介中心度.csv')
betweenness(g,normalized = T)

#折线竞赛图数据
setwd('C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\网络邻接矩阵')
tradenet<-read.csv('result_2012.csv',header=TRUE)
tradenet01<-data.frame(from=tradenet$i,to=tradenet$j,weight=tradenet$v)#构建网络完成
g<-graph_from_data_frame(tradenet01,directed = T,vertices = NULL)
d<-degree(g,mode='all')#绝对度数中心度
write.csv(d,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2012\\度数中心度.csv')
a<-degree(g,mode = 'in')#入度中心度排名
b<-degree(g,mode = 'out')#中心出度度排名
write.csv(a,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2012\\入度中心度.csv')
write.csv(b,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2012\\出度中心度.csv')
e<-strength(g)#强度中心度
write.csv(e,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2012\\强度中心度.csv')
c<-betweenness(g)#中介中心度
write.csv(c,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\折线图竞赛图数据\\2012\\中介中心度.csv')



#2019数据
setwd('C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\贸易网络邻接矩阵')
tradenetb<-read.csv('result_2019.csv',header=TRUE)
tradenet02<-data.frame(from=tradenetb$i,to=tradenetb$j,weight=tradenetb$v)#构建网络完成
library(igraph)
g1<-graph_from_data_frame(tradenet02,directed = T)
mean(strength(g1,mode="out"))
mean(strength(g1,mode="in"))
mean(strength(g1,mode="all"))
mean(degree(g1,mode="out"))
mean(degree(g1,mode="in"))
mean(degree(g1,mode="all"))
s1<-strength(g1,mode = "in")
s2<-strength(g1,mode = "out")
write.csv(s1,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2019入强度中心度.csv')
write.csv(s2,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2019出强度中心度.csv')

l<-layout_with_fr(g2)
l<-norm_coords(l,ymin=-1,ymax=1,xmin=-1,xmax=1)
par(mfrow=c(2,2),mar=c(0,0,0,0))
V(g1)$label<-NA
plot(g1,vertex.color=rgb(.25,.5,.3,alpha = .7),vertex.size=3,edge.arrow.size=.1,rescale=F,layout=l*1.8)
deg<-degree(g1,mode='all')
V(g1)#节点数
E(g1)#边数
graph.density(g1)#密度
mean_distance(g1)#平均路径长度
transitivity(g1)#集聚系数
reciprocity(g1)#互惠系数
degree(g1,mode='all')#绝对度数中心度
degree(g1,normalized = TRUE)#标准化相对中心度数
degree(g1,mode = 'in')#进口中心度排名
degree(g1,mode = 'out')#出口中心度排名
strength(g1)#强度中心度
betweenness(g1)#中介中心度
betweenness(g1,normalized = T)
#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g1)
membership(mc)
modularity(mc)
sizes(mc)
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g1)
#modularity(lec)
sizes(lec)
d1<-degree(g1,mode='all')#绝对度数中心度
write.csv(d1,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2019节点度数中心度数据.csv')
a1<-degree(g1,mode = 'in')#进口中心度排名
b1<-degree(g1,mode = 'out')#出口中心度排名
write.csv(a1,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2019节点入度数据.csv')
write.csv(b1,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2019节点出度数据.csv')
e1<-strength(g1)#强度中心度
write.csv(e1,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2019节点强度中心度数据.csv')
c1<-betweenness(g1)#中介中心度
write.csv(c1,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2019节点中介度数据.csv')
betweenness(g1)
#2018数据
setwd('C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\数据\\逐年全球绿色贸易数据')
tradenetc<-read.csv('result_2018.csv',header=TRUE)
tradenet03<-data.frame(from=tradenetc$i,to=tradenetc$j,weight=tradenetc$v)#构建网络完成
library(igraph)
g2<-graph_from_data_frame(tradenet03,directed = T)#directed = TRUE
mean(strength(g2,mode="out"))
mean(strength(g2,mode="in"))
mean(strength(g2,mode="all"))
mean(degree(g2,mode="out"))
mean(degree(g2,mode="in"))
mean(degree(g2,mode="all"))
s1<-strength(g2,mode = "in")
s2<-strength(g2,mode = "out")
write.csv(s1,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2018入强度中心度.csv')
write.csv(s2,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2018出强度中心度.csv')

l<-layout_with_fr(g2)
l<-norm_coords(l,ymin=-1,ymax=.4,xmin=-1,xmax=.9)
par(mfrow=c(2,2),mar=c(0,0,0,0))
V(g2)$label<-NA
plot(g2,vertex.color=rgb(.25,.5,.3,alpha = .7),vertex.size=5,edge.arrow.size=.15,rescale=F,layout=l*1.8)
deg<-degree(g2,mode='all')
V(g2)#节点数
E(g2)#边数
graph.density(g2)#密度
mean_distance(g2)#平均路径长度
transitivity(g2)#集聚系数
reciprocity(g2)#互惠系数
degree(g2,mode='all')#绝对度数中心度
degree(g2,normalized = TRUE)#标准化相对中心度数
degree(g2,mode = 'in')#进口中心度排名
degree(g2,mode = 'out')#出口中心度排名
strength(g2)#强度中心度
betweenness(g2)#中介中心度
betweenness(g2,normalized = T)
#自旋玻璃模型和模拟退火
spc<-spinglass.community(g2,spins = 4)
sizes(spc)#查看社群划分个数
#sort(sizes(spc),decreasing=TRUE)
#membership(spc)#查看每个节点所属社群
modularity(spc)#计算社群划分的模块度
#基于边中介中心性
ebc<-edge.betweenness.community(g2)
ebc
sizes(ebc)#查看社群划分个数
sort(sizes(ebc),decreasing=TRUE)
membership(ebc)#查看每个节点所属社群
modularity(ebc)#计算社群划分的模块度
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g2)
#modularity(lec)
sizes(lec)
#membership(lec)#查看社群划分个数
#deg<-degree(g2,mode='all')
#V(g2)$size<-deg*0.2
lec
l<-layout_with_fr(g2)
l<-norm_coords(l,ymin=-1,ymax=1,xmin=-1,xmax=1)
par(mfrow=c(2,2),mar=c(0,0,0,0))
V(g2)$label<-NA
plot(lec,g2,vertex.color=rgb(.25,.5,.3,alpha = .3),vertex.size=2.7,edge.arrow.size=.01,rescale=F,layout=l*1.7)
#最大化所有可能的分区的模块化度量划分社群
oc<-optimal.community(g2)
modularity(oc)
#标签传播算法
lp<-label.propagation.community(g2)
sizes(lp)
modularity(lp)
#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g2)
modularity(mc)
sizes(mc)
membership(mc)
#基于信息传播算法
imc<-infomap.community(g2)
modularity(imc)


#2017数据
setwd('C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\数据\\逐年全球绿色贸易数据')
tradenetd<-read.csv('result_2017.csv',header=TRUE)
tradenet04<-data.frame(from=tradenetd$i,to=tradenetd$j,weight=tradenetd$v)#构建网络完成
library(igraph)
g3<-graph_from_data_frame(tradenet04,directed = T)
mean(strength(g3,mode="out"))
mean(strength(g3,mode="in"))
mean(strength(g3,mode="all"))
mean(degree(g3,mode="out"))
mean(degree(g3,mode="in"))
mean(degree(g3,mode="all"))
s1<-strength(g3,mode = "in")
s2<-strength(g3,mode = "out")
write.csv(s1,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2017入强度中心度.csv')
write.csv(s2,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2017出强度中心度.csv')

#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g3)
modularity(mc)
sizes(mc)
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g3)
#modularity(lec)
sizes(lec)
deg<-degree(g3,mode='all')
V(g3)#节点数
E(g3)#边数
graph.density(g3)#密度
mean_distance(g3)#平均路径长度
transitivity(g3)#集聚系数
reciprocity(g3)#互惠系数
degree(g3,mode='all')#绝对度数中心度
#2016数据
setwd('C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\网络邻接矩阵')
tradenete<-read.csv('result_2016.csv',header=TRUE)
tradenet05<-data.frame(from=tradenete$i,to=tradenete$j,weight=tradenete$v)#构建网络完成
library(igraph)
g4<-graph_from_data_frame(tradenet05,directed = T)
mean(strength(g4,mode="out"))
mean(strength(g4,mode="in"))
mean(strength(g4,mode="all"))
mean(degree(g4,mode="out"))
mean(degree(g4,mode="in"))
mean(degree(g4,mode="all"))
s1<-strength(g4,mode = "in")
s2<-strength(g4,mode = "out")
write.csv(s1,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2016入强度中心度.csv')
write.csv(s2,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2016出强度中心度.csv')

#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g4)
modularity(mc)
sizes(mc)
mc4<-membership(mc)
write.csv(mc4,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\节点数据\\2016社群分布.csv')
deg<-degree(g4,mode='all')
V(g4)#节点数
E(g4)#边数
graph.density(g4)#密度
mean_distance(g4)#平均路径长度
transitivity(g4)#集聚系数
reciprocity(g4)#互惠系数
degree(g4,mode='all')#绝对度数中心度
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g4)
#modularity(lec)
sizes(lec)
#2015数据
setwd('C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\数据\\逐年全球绿色贸易数据')
tradenetf<-read.csv('result_2015.csv',header=TRUE)
tradenet06<-data.frame(from=tradenetf$i,to=tradenetf$j,weight=tradenetf$v)#构建网络完成
library(igraph)
g5<-graph_from_data_frame(tradenet06,directed = T)
mean(strength(g5,mode="out"))
mean(strength(g5,mode="in"))
mean(strength(g5,mode="all"))
mean(degree(g5,mode="out"))
mean(degree(g5,mode="in"))
mean(degree(g5,mode="all"))
s1<-strength(g5,mode = "in")
s2<-strength(g5,mode = "out")
write.csv(s1,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2015入强度中心度.csv')
write.csv(s2,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2015出强度中心度.csv')

#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g5)
modularity(mc)
sizes(mc)
deg<-degree(g5,mode='all')
V(g5)#节点数
E(g5)#边数
graph.density(g5)#密度
mean_distance(g5)#平均路径长度
transitivity(g5)#集聚系数
reciprocity(g5)#互惠系数
degree(g5,mode='all')#绝对度数中心度
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g5)
#modularity(lec)
sizes(lec)
#2014数据
setwd('C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\数据\\逐年全球绿色贸易数据')
tradenetg<-read.csv('result_2014.csv',header=TRUE)
tradenet07<-data.frame(from=tradenetg$i,to=tradenetg$j,weight=tradenetg$v)#构建网络完成
library(igraph)
g6<-graph_from_data_frame(tradenet07,directed = T)
mean(strength(g6,mode="out"))
mean(strength(g6,mode="in"))
mean(strength(g6,mode="all"))
mean(degree(g6,mode="out"))
mean(degree(g6,mode="in"))
mean(degree(g6,mode="all"))
s1<-strength(g6,mode = "in")
s2<-strength(g6,mode = "out")
write.csv(s1,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2014入强度中心度.csv')
write.csv(s2,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2014出强度中心度.csv')

#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g6)
membership(mc)
modularity(mc)
sizes(mc)
deg<-degree(g6,mode='all')
V(g6)#节点数
E(g6)#边数
graph.density(g6)#密度
mean_distance(g6)#平均路径长度
transitivity(g6)#集聚系数
reciprocity(g6)#互惠系数
degree(g6,mode='all')#绝对度数中心度
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g6)
#modularity(lec)
sizes(lec)
#2013数据
setwd('C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\数据\\逐年全球绿色贸易数据')
tradeneth<-read.csv('result_2013.csv',header=TRUE)
tradenet08<-data.frame(from=tradeneth$i,to=tradeneth$j,weight=tradeneth$v)#构建网络完成
library(igraph)
g7<-graph_from_data_frame(tradenet08,directed = T)
mean(strength(g7,mode="out"))
mean(strength(g7,mode="in"))
mean(strength(g7,mode="all"))
mean(degree(g7,mode="out"))
mean(degree(g7,mode="in"))
mean(degree(g7,mode="all"))
deg<-degree(g7,mode='all')
s1<-strength(g7,mode = "in")
s2<-strength(g7,mode = "out")
write.csv(s1,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2013入强度中心度.csv')
write.csv(s2,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2013出强度中心度.csv')

V(g7)#节点数
E(g7)#边数
graph.density(g7)#密度
mean_distance(g7)#平均路径长度
transitivity(g7)#集聚系数
reciprocity(g7)#互惠系数
degree(g7,mode='all')#绝对度数中心度
#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g7)
modularity(mc)
sizes(mc)
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g7)
#modularity(lec)
sizes(lec)
#2012数据
setwd('C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\数据\\逐年全球绿色贸易数据')
tradeneti<-read.csv('result_2012.csv',header=TRUE)
tradenet09<-data.frame(from=tradeneti$i,to=tradeneti$j,weight=tradeneti$v)#构建网络完成
library(igraph)
g8<-graph_from_data_frame(tradenet09,directed =T)
mean(strength(g8,mode="out"))
mean(strength(g8,mode="in"))
mean(strength(g8,mode="all"))
mean(degree(g8,mode="out"))
mean(degree(g8,mode="in"))
mean(degree(g8,mode="all"))
deg<-degree(g8,mode='all')
s1<-strength(g8,mode = "in")
s2<-strength(g8,mode = "out")
write.csv(s1,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2012入强度中心度.csv')
write.csv(s2,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\2012出强度中心度.csv')

V(g8)#节点数
E(g8)#边数
graph.density(g8)#密度
mean_distance(g8)#平均路径长度
transitivity(g8)#集聚系数
reciprocity(g8)#互惠系数
degree(g8,mode='all')#绝对度数中心度
#社群矩阵的主特征向量算法(可)
lec<-leading.eigenvector.community(g8)
#modularity(lec)
sizes(lec)
#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g8)
modularity(mc)
sizes(mc)
membership(mc)
d8<-degree(g8,mode='all')#绝对度数中心度
write.csv(d8,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2012节点度数中心度数据.csv')
a8<-degree(g8,mode = 'in')#进口中心度排名
b8<-degree(g8,mode = 'out')#出口中心度排名
write.csv(a8,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2012节点入度数据.csv')
write.csv(b8,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2012节点出度数据.csv')
e8<-strength(g8)#强度中心度
write.csv(e8,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2012节点强度中心度数据.csv')
c8<-betweenness(g8)#中介中心度
write.csv(c8,file='C:\\Users\\qingyingyingdareu\\Desktop\\科研\\绿色贸易\\2012节点中介度数据.csv')

#2012数据
setwd('C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\网络邻接矩阵')
tradenete<-read.csv('result_2012.csv',header=TRUE)
tradenet05<-data.frame(from=tradenete$i,to=tradenete$j,weight=tradenete$v)#构建网络完成
library(igraph)
g4<-graph_from_data_frame(tradenet05,directed = F)
#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g4)
modularity(mc)
sizes(mc)
mc4<-membership(mc)
write.csv(mc4,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\节点数据\\2012社群分布.csv')


#2020数据
setwd('C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\网络邻接矩阵')
tradenete<-read.csv('result_2020.csv',header=TRUE)
tradenet05<-data.frame(from=tradenete$i,to=tradenete$j,weight=tradenete$v)#构建网络完成
library(igraph)
g4<-graph_from_data_frame(tradenet05,directed = F)
#基于多级优化模块化划分社群(可)
mc<-multilevel.community(g4)
modularity(mc)
sizes(mc)
mc4<-membership(mc)
write.csv(mc4,file='C:\\Users\\qingyingyingdareu\\Documents\\科研\\绿色贸易\\数据\\节点数据\\2020社群分布.csv')