Redes Didactica

Anlisis de grafos usando R e igraph
Beatriz Valdez
16 de marzo de 2016
Introduccin: Estamos realizando anlisis de redes en el contexto de la planificacin estratgica. Entre los
softwares que hemos indicado para hacer este tipo de anlisis est R. R posee una variedad de paquetes
que ponen a nuestro alcance diversas funciones para facilitarnos esta tarea. En este captulo continuaremos
sealando algunas de las funciones y facilidades que nos ofrece el paquete igraph. Un paquete que en nuestra
opinin ha sido y es sub-utilizado a pesar de que constituye un recurso bastate completo para esta modalidad
de anlisis.
Ofrecemos algunos ejemplos sobre cmo crear una red a partir de diferentes tipos de datos, y los posibles
vnculos que podemos establecer segn cada tipo de dato. Preste atencin a la forma de crear la red y en
qu forma creamos nuestros vnculos. Experimente con su propia data. No olvide tomar nota sobre aquellos
aspectos que le presenten mayor dificultad.
Note que se le ofrecen distintas posibilidades en los diferentes ejemplos con el objeto de que pueda tener
diferentes opciones al momento de analizar la data que debe entregar como parte del proceso de evaluacin
Anlisis de casos
Subo tanto el paquete como la data y la data que necesito:
require(igraph)
Primer ejemplo. Zona de habitacin deseada

Data:
zona <- read.csv("C:/Users/Beatriz/Downloads/zona.csv",
stringsAsFactors=FALSE)
Lo primero que hago es revisar mi data para asegurarme que no existen anomalias o necesidad de pre-procesar
la data:
str(zona)
## 'data.frame':
## $ id
: chr
## $ vive : chr
## $ aspira: chr
1646 obs. of 3 variables:

"c12" "t106" "c375" "t151" ...
"23 de enero" "agua salud" "alta florida" "altamira" ...
"este" "la lagunita" "la florida" "alameda" ...
Tengo tres variable y 1646 casos. Exploro la data:
sapply(zona[,2:3], function(x) table(x))

## $vive
## x
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
23 de enero
1
altamira
30
altos mirandinos
1
av urdaneta
4
av. libertador
2
av. sucre
1
baruta
21
bello monte
47
california
1
campo claro
2
caracas
3
catia
21
centro
3
chapellin
1
chulavista
8
country club
1
el bosque
7
el cigarral
4
el llanito
2
el paraiso
40
el valle
22
gavilan
1
guayabitos
1
la alameda
1
la bonita
agua salud
1
alto hatillo
8
andres bello
2
av. baralt
2
av. panteon
1
av. victoria
3
bella vista
1
boleita
5
campitos
1
capitolio
3
caricuao
16
catia
1
chacaito
15
charallave
6
coche
3
cuairimares
1
el cafetal
29
el hatillo
120
el marquez
19
el rosal
12
fuerzas armadas
5
guarenas
14
interior del pais
6
la bandera
2
la boyera
2
alta florida
1
alto prado
10
antimano
2
av. la victoria
3
av. roosevelt
1
av.solano
1
bellas artes
9
cagua
1
campo alegre
5
capuchino
1
carrizales
1
caurimare
5
chacao
91
chuao
12
concresa
3
cumbres del curumo
11
el centro
2
el junquito
5
el palmar
1
el silencio
2
gato negro
1
guatire
12
jorge felix catia
1
la baralt
1
la california
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
2
la candelaria
23
la floresta
1
la guairita
3
la paz
3
la union
17
las acacias
16
las esmeralda
1
las minas
5
lomas del avila
10
los chaguaramos
11
los dos caminos
22
los palos grande
41
los samanes
17
los valles del tuy
2
manzanare
2
montalban
22
nuevo circo
1
palo verde
11
parque central
2
piedra azul
1
plaza sucre
1
prados del este
19
sabana grande
23
san bernandino
10
san luis
3
santa eduvigis
2
santa monica
50
la carlota
5
la florida
15
la lagunita
73
la tahona
15
la urbina
6
las adjuntas
7
las lomas del avila
1
las palmas
6
los campitos
1
los chorros
15
los guayabitos
5
los rosales
7
los simbolos
3
macaracuay
6
mariche
1
monte cristo
2
oeste
1
parque caiza
1
parroquia san juan
1
pinto salina
1
plaza venezuela
5
propatria
7
san agustin
2
san jose
1
san martin
6
santa fe
28
santa paula
3
28
la castellana
37
la guaira
15
la pastora
2
la trinidad
17
la victoria
1
las delicias
1
las mercedes
31
lo chorros
1
los caobos
6
los cortijos
4
los naranjos
47
los ruices
12
los teques
17
macarao
1
miraflores
2
ns/nr
50
oritopo
1
parque carabobo
2
petare
14
plaza suarez
1
prados de maria
4
quinta crespo
4
san antonio
18
san juan
1
san roman
2
santa ines
4
santa rosa
##
30
##
santa rosalia
##
4
## terrazas del club hipico
##
7
##
valle
##
1
##
valles del tuy
##
3
##
## $aspira
## x
##
campo claro
##
1
##
alto hatillo
##
3
##
bellas artes
##
2
##
campo alegre
##
27
##
chacaito
##
4
##
chulavista
##
2
##
cumbres de curumo
##
11
##
el centro
##
2
##
el paraiso
##
7
##
guarenas
##
6
##
la alta florida
##
1
##
la candelaria
##
4
##
la colonia tovar
##
2
##
la guaira
##
2
##
la selva
##
2
##
la union
##
2
##
las mercedes
##
42
##
los chorros
##
16
##
los naranjos
##
48
##
los samanes
##
21
##
manzanal
##
3
4
sebucan
7
trinidad
1
valle abajo
3
vista alegre
2
8
terrazas del avila
10
urb. miranda
1
valle arriba
17
alameda
2
alto prado
2
bello monte
26
caurimare
1
chacao
250
country club
13
el bosque
3
el hatillo
198
el rosal
21
interior del pais
2
la boyera
17
la carlota
4
la floresta
1
la guairita
2
la tahona
22
las acacias
1
lomas del avila
1
los cortijos
3
los palos grande
62
los teques
8
manzanares
1
altamira
104
baruta
11
boleita
3
cerro verde
5
chuao
2
cualquiera
3
el cafetal
11
el marquez
1
este
169
la alameda
3
la california
8
la castellana
132
la florida
9
la lagunita
92
la trinidad
20
las adjuntas
4
los chaguaramos
12
los dos caminos
12
los ruices
1
macaracuay
4
miraflores
2
##
##
##
##
##
##
##
##
##
##
##
##
##
##
monte cristo
1
ns/nr
52
san antonio
3
santa fe
16
santa rosa
4
sur este
1
valle arriba
25
ninguna
noreste
14
2
plaza venezuela
prados del este
5
18
san bernandino
san roman
3
4
santa monica
santa paula
12
1
sebucan
simbolo
3
2
terrazas del avila terrazas del club hipico
5
4
valle arriba
vista alegre
13
2
Creo una red que me indique donde vive cada persona que aspira vivir donde: Es decir, la relacin entre los
nodos la estrablezco segn si una persona que vive en una zona dada le gustara vivir otra/la misma zona:
V(z) > V(z). Podra tratar esta red como una red de un modo. Sin embargo, la voy a tratar como si se
tratara de una red de dos modos: unos vertices me indican la zona en la que vive el entrevistado y otro la
zona en la que aspira a vivir: V(vive) > V(aspira a vivir). La red de dos modos se crean a partir de una
matriz de incidencia:
# creo la matriz de incidencia
vive <-matrix(c(zona$vive, zona$aspira), ncol=2)
head.matrix(vive)
##
##
##
##
##
##
##
[1,]
[2,]
[3,]
[4,]
[5,]
[6,]
[,1]
"23 de enero"
"agua salud"
"alta florida"
"altamira"
"altamira"
"altamira"
[,2]
"este"
"la lagunita"
"la florida"
"alameda"
"altamira"
"altamira"
# creo el grafo
g<-graph_from_edgelist(vive)
# elimino posibles loops
g <- simplify(g)
Estructura del grafo

Creo un para de funciones para evaluar la estructura del grafo. Crear las funciones es opcional, pero me
permite hacer el procedimiento rpidamente y aplicarlos en los otros ejemplos sin tener que escribir todo esos
cdigos de nuevo:
# funcion para obtener panoramica sobre la estructura de la red
function(grafo){
wtc <- cluster_walktrap(grafo)
g<-data.frame(
Indicadores =c(
"nodos",
"aristas",
5
"densidad",
"diametro",
"long.med.cam",
"grado medio",
"modularidad",
"coefic.cluster"),
valor=c(vcount(grafo),
ecount(grafo),
round(graph.density(grafo), 2),
diameter(grafo),
round(average.path.length(grafo),2),
round(mean(degree(grafo)),2),
round(modularity(grafo,
membership(wtc)),2)
round(transitivity(grafo),2)
))
return(g)
}
# funcion para determinar numero maximo de relaciones
function(grafo){
r<-data.frame(relaciones =c(
"potenciales", "presentes",
"% presentes"),
valor =c((vcount(grafo)*(vcount(grafo)-1))/2,
ecount(grafo),
round(graph.density(grafo)*100,2)
)
)
return(r)
estructura(g)
##
##
##
##
##
##
##
##
##
Indicadores valor
1
nodos 183.00
2
aristas 848.00
3
densidad
0.03
4
diametro
7.00
5
long.med.cam
2.75
6
grado medio
9.27
7
modularidad
0.11
8 coefic.cluster
0.24
relaciones(g)
##
relaciones
valor
## 1 potenciales 16653.00
## 2
presentes
848.00
## 3 % presentes
2.55
El grafo es poco denso, a pesar de que tiene 145 nodos y 820 aristas. Para un grafo de este tamao, y si
todas las posibles relaciones estuvieran presentes, se esperaran casi 10.500 relaciones, en este grafo slo
6
se encuentra presentes el 4% de esas posibles relaciones. Los nodos poseen en promedio 11 vnculos y
existen aproximadamente tres grados de separacin entre ellos. Finalmente, el grafo muestra una tendencia a
conformar algunos clusters:
par(bg="gray15",mar=c(1,1,1,1))
plot(g,vertex.label=NA, asp=FALSE,
vertex.size =degree(g)/max(degree(g)),
vertex.color= "gray90",
vertex.frame.color= "gray90",
edge.color="gray55",
edge.arrow.size=0.6)
La visualizacion de la estructura del grafo me sugiere, por ejemplo, que algunas pocas zonas de Caracas,
posiblemente no ms de cinco, son altamente valoradas por quienes contestaron la pregunta. Este compor7
tamiento me explicara tanto la densidad del grafo, como los pocos clusters que se detectan en el anlisis de
los indicadores
Visualizacin
Visualizo el grafo. Para ello preciso alguno de los atributos que deseo que estn presentesen en la visualizacin,
como son el tamao de los nodos y sus etiquetas, el tamao de las flechas y el color, as como el layout:
plot(g,layout=layout.auto, vertex.size=3,
edge.width= 0.4, vertex.label.cex =0.78,
edge.arrow.size=0.4, asp=FALSE,
edge.color="black" )
san jose parque caiza las delicias

jorge felix catia
california
bella vista
san agustin
carrizales catia
mariche
chapellin
macarao
noreste
la pastora
campo claro
cualquiera
centro
pinto salina
parque carabobo
parque central
la selva
valles del tuy
la urbina
caracas
la bandera
capitolio
la floresta
petare
alameda
parroquia san juan
el centro
andres bello
oeste
av urdaneta
av. libertador
lomas del avila
quinta crespo
cagua
oritopo
santa rosalia
av. la victoria
las palmas
el junquito
los caobos
ninguna
guatire catia
la paz
prados de maria
trinidad
coche
palo verde chacao

terrazas del avila
caricuao
los campitos
concresa
caurimarepropatria
prados del este
santa eduvigis
el bosque
las acaciaslas minas
la tahona
av. victoria
ns/nr
la
union
simbolo
la guaira
chacaito
los simbolos
este
sabana grande
san antonio
san martin boleita
santa
rosa
guarenas
vista alegre
av. roosevelt
la trinidad
santa santa
fe monica
altamira
interior del pais
la guairita los teques
los dos caminos
capuchino
el hatillo
el rosalel paraiso
fuerzas armadas
la candelaria
bellas artes
las mercedes
los cortijos
la lagunita
chuao los samanes
la alameda
la castellana
el valle
country
club
san
juan
valle
los palos grandebello monte
la california baruta
alto hatillomacaracuay
sebucan
valle
cumbres del curumo
losarriba
chorros
los
chaguaramos
los guayabitos
la florida campo alegreel cafetal
san roman
gavilan
la
boyera
el marquez
plaza venezuela
los naranjos
montalban
cumbres de curumo
el silencio
los rosales
los ruices
alto prado
las adjuntas
las esmeralda
terrazas del club hipicosan bernandino
monte cristo santa paula
la carlota
el cigarral
charallave
agua salud
gato negro
el palmar
23 de enero
el llanito
av. baralt
campitos
cerro verde
chulavista
miraflores
sur este
la bonita
santa ines
valle arriba
plaza suarez
antimano
urb. miranda
la baralt
manzanal
los valles del tuy
lo chorros
plaza sucre
san luis
valle abajo
guayabitos
nuevo circo
manzanare
av.solano
cuairimares
la victoria
av. sucre
la colonia tovar
la alta florida
altos mirandinos
alta florida
manzanares
campo claro
piedra azul
las lomas del avila

av. panteon
Puedo hacer algunos arreglos adicionales, por ejemplo abreviar los nombres de los lugares. Este procedimiento
es til cuando tenemos etiquetas de nodos muy amplias. Veamos cmo haramos esto:
zona$vive2 <-abbreviate(zona$vive)
zona$aspira2 <-abbreviate(zona$aspira)
vive2 <-matrix(c(zona$vive2, zona$aspira2), ncol=2)
g2<-graph_from_edgelist(vive2)
g2 <- simplify(g2)
Visualizo nuevamente el grafo
ml <- layout_with_graphopt(g2, niter = 50000,
mass = 60 )
plot(g2,layout=ml, vertex.size=3,
edge.color="black" )
plzsc
cmpt
crmrs
av.sl
lsdl
crrz
snag
prqcz
lvct
almd
prqcn
jrfc
lpaz
frza
petr
trda
chrl
antm
gtng
23de
trnd
lscb
gutr
plzsr
mnznl
chua prde
lschr
tdch
chct
bart
lcst
lgur
grns
chac
snti
lthn lstq
mntl
sbcn
cati
sntm lspg snbr
ltrn
elht
elpr
ns/n
lsgy
snan
qntc
lbyr
llgn altm
elcf
nngn
lsmr elrs
elvl este
lclf lflrd
bllm
lsad
carc
sntf
lsnr
lsrc
cmpa
avur
plvr
lsdc
santrs
vlla vllar
a.lv
lcnd
blla
lschg
prqcr
elmr
cmdc elbs
chlv
altp
prpt
coch
alth
crcs
lalm
lsmn
lclt
snrm
andb
mntc
vllab
mnzn
lsrs
prsj
altmr
lgrt
lcrl
nvcr
snte
sntr
eljn
cpch
mcrc
snmr
mnznr
av.b
indp
macr
crrv
lssmb
elcg
ur.m
smbl
lscr
snls
gybt
altf
lbnd
vsta
oest
lses
av.v
sbng
lsac
plzv
lslv
lssmn
lunn
snjn
lurb
lspl
lssm
cntc
sntrsl
carmr
prdm
vldt
lvdt
bolt
cmpc
lflrs
lscm
lpst
elcn
lmda
cntr
clqr
gvln
av.l
cncr
mrfl
ortp
snjs
elsl
cptl
elpl
lbnt
chpl
mrch
bllv
clfr
nrst
vall
sntp
elll
pnts
av.sc
agsl
lbrl
cagu
llda
av.r
altsm
lchr
av.p
pdra
crmr
sres
lalf
La zonas con mayor nmero de conexiones se han ubicado hacia el centro del grafo. Inspecciono qu zonas
reciben mayor nmero de menciones. Observese que he escogido un color para los vnculos que los hace casi
imperceptibles, esto con el objeto de visualizar mejor los nodos centrales:
plot(g2,layout=ml, vertex.size=degree(g2, mode="in")/15,
edge.color="ghostwhite" )
10
plzsc
cmpt
crmrs
av.sl
lsdl
crrz
snag
prqcz
lvct
prqcn
lpaz
frza
trda
chrl
carmr
lslv
antm
gtng
23de
trnd
lscb
gutr
plzsr
mnznl
lschr
tdch
chct
bart
lcst
lgur
grns
chac
snti
lthn lstq
mntl
sbcn
cati
sntm lspg snbr
ltrn
elht
elpr
ns/n
lsgy
snan
qntc
lbyr
llgn altm
elcf
nngn
lsmr elrs
elvl este
lclf lflrd
bllm
lsad
carc
sntf
lsnr
lsrc
cmpa
avur
plvr
lsdc
santrs
vlla vllar
a.lv
lcnd
blla
lschg
prqcr
elmr
cmdc elbs
chlv
altp
prpt
coch
alth
crcs
lalm
lsmn
lclt
snrm
andb
mntc
vllab
mnzn
lsrs
lsac
prsj
altmr
lgrt
lcrl
nvcr
snte
sntr
eljn
cpch
mcrc
snmr
mnznr
av.b
indp
macr
crrv
lssmb
elcg
ur.m
smbl
lscr
snls
gybt
altf
lbnd
vsta
oest
lses
av.v
sbng
chua prde
plzv
vldt
lssmn
lunn
snjn
lurb
lspl
lssm
cntc
sntrsl
prdm
lflrs
lvdt
bolt
cmpc
clqr
lscm
lpst
elcn
lmda
petr
cntr
mrch
gvln
av.l
cncr
mrfl
ortp
snjs
elsl
cptl
elpl
lbnt
almd
chpl
jrfc
bllv
clfr
nrst
vall
sntp
elll
pnts
av.sc
agsl
lbrl
cagu
llda
av.r
altsm
lchr
av.p
pdra
crmr
sres
lalf
Las cinco zonas con mayor numero de menciones como deseables para vivir son, en orden decreciente Chacao,
el Este, El Hatillo, La Castellana, Altamira y no sabe/no responde.Puedo obtener un subgrfico con estas
reas:
sg1<-induced_subgraph(g2, c("chac", "este", "elht",
"lcst", "altm"))
Visualizo
plot(sg1,layout=layout.auto, vertex.size=degree(sg1,
edge.color="gray80" )
11
mode
altm
lcst
chac
elht
este
Todas las personas que dijeron habitar en estas zonas desean vivir en el Este o en Altamira, preferiblemente.
Ntese que cuando tomamos el grafo completo, la zona ms deseada es Chacao. Pero cuando tomo el grupo
de zonas ms deseada, la historia es algo distinta. Quiene viven en estas reas desean irse ms hacia el ste.
Personas quee dijeron vivir en Chacao desearon vivir en altamira, la Castellana.
Puedo visualizar la mitad del grafo, un tercio de l, etc. Este procedimiento es til cuando tengo grafos
demasiado grandes que podran comprometer la capacidad de memoria de mi computadora, o dificultar la
visualizacin e interpretacin de la red:
sg2<-induced_subgraph(g2, 1:73)
Visualizo
12
lfr <- layout_with_fr(sg2, niter=1000)

plot(sg2,layout=lfr, vertex.size=degree(sg2,
mode="in")/1
cpch
23de
altf
cagu
antm
avur
av.b
av.p
lsad
av.sl
andb
carc
lcnd
nngn
mntc
lflrd
lsmr
este
lgur
av.l
lstq
bllm
cati
a.lv
ns/n llgn
elpr
blla
lcst elcf
lschr
ltrn
av.v
cmpa
sntm
chac
lspg
elht
agsl
av.sc
lschg
altp
lsnr elrs
bolt
altsm
cmdc
altm
vlla
bllv
lsdc
lthn
prde
grns
altmr
carmr
elmr
bart
sntr
clfr
trda
lssm
crcs
mnznl
crrz
cntc
alth
almd
cptl
cmpc
av.r
cmpt
crmr
Puedo tambin visualizar el grafo completo, borrando tanto los nodos como los vnculos que tienen un nmero
pequeo de relaciones, por ejemplo 5. Aqu es til tomar en cuenta el indicador de grado de la red y ver el
mnimo nmero de conexiones, as como el mximo nmero, para decidir a partir de qu nmero de conexiones
sera conveniente borrar nodos:
g3 <- delete.vertices(g2,
V(g2)[degree(g2)<=5])
13
Visualizo nuevamente el grafo

lfr <- layout_with_fr(g3, niter=10000)
plot(g3,layout=lfr, vertex.size=degree(g3)/15,
mcrc
chlv
elbs
blla
altp
snrm
alth
elmr
cmpa
snbr
vlla
cntc
mntl
chct
vllar
cmdc
lschg
lsac
lflrd
elcf
chua
lsnr
sntf
lcnd
lsdc
lbyr
lsrc
santrs
lschr
tdch
elht
ns/n
chac
altmr
trda
sntm
bllm
este
lspg
lthn
lsmr
elrs
llgn
lssm
ltrn
sbng
lcst
carc
plvr
altm
elpr
lclf
grns
bart
lunn
prpt
prde
snan
nngn
elvl
lssmn
lstq
cati
gutr
lgur
bolt
sbcn
lmda
plzv
lsad
Podra haber hecho lo mismo con el grafo con etiquetas completas. Pero adems, puedo aclarar los vnculos,
colorear y escalar los nodos segn el grado:
14
g4 <- delete.vertices(g,
V(g)[degree(g)<=5])
Este procedimiento mejora el comportamiento de algunos indicadores:
estructura(g4)
##
##
##
##
##
##
##
##
##
Indicadores valor
1
nodos 69.00
2
aristas 606.00
3
densidad
0.13
4
diametro
6.00
5
long.med.cam
2.22
6
grado medio 17.57
7
modularidad
0.09
8 coefic.cluster
0.39
relaciones(g4)
##
relaciones
valor
## 2
presentes 606.00
## 3 % presentes
12.92
Compara los resultados anteriores con la informacin que obtuve inicialmente. Visualizo:
minC <- rep(-Inf, vcount(g4))
maxC <- rep(Inf, vcount(g4))
minC[1] <- maxC[1] <- 0
co <- layout_with_fr(g4, niter=20000, minx=minC,
maxx=maxC,
miny=minC, maxy=maxC)
colores <-topo.colors(max(degree(g4)))
plot(g4,layout=co, vertex.size=degree(g4)/15,
edge.width= 0.4,
vertex.label.cex=degree(g4)/35,
vertex.label.font=round(degree(g4)/18),
vertex.color= colores,
vertex.frame.color=colores
)
15
cumbres del curumo
alto hatillo
cumbres de curumo
la union
sabana grande
alto prado
chuao
los samanes
las acacias
montalban
los ruices
terrazas del club hipico
country club
el marquez
los chorros
chulavista
baruta
sebucan
campo alegre
el paraiso
la tahona
la trinidad
el bosque
la candelaria
terrazas del avila
el cafetal
la lagunita
plaza venezuela
el valle
la boyera
el hatillo
san bernandino
la castellana
chacao
este
los naranjos
altamira
boleita
macaracuay
valle arriba
los palos grande

la florida
santa fe
chacaito
prados del este
bellas artes
los teques
las mercedes
ns/nr
los chaguaramos
lomas del avila
bello monte
santa monica
la california
guarenas
el rosal
los dos caminos
la guaira
catia
guatire
san antonio
santa rosa
las adjuntas
valle arriba
caricuao
palo verde
ninguna
san roman
propatria
Notse que he modificado los valores por defectos del layout. Esto con el fin de mejorar el dibujado del
grafo. Aqu es til que experimente con esos valores. No deje de consultar la vieta del paquete igraph para
obtener mayor informacin sobre los criterios para adelantar este procedimiento. Adicionalmente, he creado
una paleta de colores que me permitir darle color a los nodos de acuerdo con el grado e igualmente he
manipulado el tipo de fuente de acuerdo con este indicador para que me ayude a identificar la distribucin
del grado o de cualesquiera de lo indicadores analizados, con el cambio de fuente.
Voy a visualizar las zonas que reciben el mayor nmero de menciones:
plot(g4,layout=co, vertex.size=degree(g4, mode = "in")/15,
edge.width= 0.4,
vertex.label.cex=degree(g4, mode = "in")/30,
vertex.label.font=round(degree(g4, mode = "in")/15),
16
vertex.frame.color=colores)
cumbres del curumo

alto hatillo
cumbres de curumo
sabana grande
chuao
los samanes
montalban
country club
los chorros
baruta
sebucan
campo alegre
la tahona
la trinidad
el paraiso
el bosque
terrazas del avila
el cafetal
el hatillo
la lagunita
plaza venezuela
el valle
macaracuay
valle arriba
los palos grande
la boyera
la castellanachacao
este
la florida
los naranjos
altamira
boleita
santa fe
chacaito
prados del este

bellas artes
los teques
ns/nr
las mercedes
los chaguaramos
bello monte
santa monica
la california
guarenas
el rosal
los dos caminos
catia
guatire
san antonio
santa rosa
valle arriba
caricuao
palo verde
ninguna
san roman
propatria
Exploro ahora en qu zonas tiende a vivir la gente que respondi a la pregunta sobre zona preferida para
vivir:
plot(g4,layout=co, vertex.size=degree(g4,
mode = "out")/5,
edge.width= 0.4,
vertex.label.cex =degree(g4, mode = "out")/30,
vertex.label.font=round(degree(g4, mode = "out")/15),
17
cumbres del curumo
alto hatillo
cumbres de curumo
la union
sabana grande
alto prado
chuao
los samanes
las acacias
montalban
los ruices
el marquez
los chorros
chulavista
baruta
sebucan
campo alegre
la tahona
la trinidad
el paraiso
el bosque
la candelaria
terrazas del avila
el cafetal
el hatillo
la lagunita
macaracuay
plaza venezuela
valle arriba
el valle
los palos grande
la boyera
san bernandino
chacao
la castellana
este
los naranjos
la florida
altamira
santa fe
boleita
chacaito
prados del este

bellas artes
los teques
ns/nr
las mercedes
los chaguaramos
lomas del avila
bello monte
santa monica
la california
guarenas
el rosal
los dos caminos

la guaira
catia
guatire
san antonio
valle arriba
santa rosa
las adjuntas
caricuao
ninguna
palo verde
san roman
propatria
Exploro ahora el grafo de acuerdo con otros indicadores. Dado que usted ha investigado sobre lo que cada
uno de ellos nos informa, dejaremos que aplique esos conocimientos e interprete las visualizaciones:
cercana
plot(g4,layout=co, vertex.size=closeness(g4)+3,
edge.width= 0.4,
vertex.label.cex =closeness(g4) + .767,
vertex.label.font=round(closeness(g4))+1,
18
cumbres del curumo
alto hatillo
cumbres de curumo
la union
sabana grande
alto prado
chuao
los samanes
las acacias
montalban
los ruices
country club
el marquez
los chorros
chulavista
baruta
sebucan
campo alegre
el paraiso
la tahona
la trinidad
el bosque
la candelaria
terrazas del avila

el cafetal
el hatillo
macaracuay
la lagunita
plaza venezuela
valle arriba
el valle
los palos grande
la boyera
los naranjos
san bernandino
chacaoeste
la castellana
altamira
boleita
los teques
la florida
chacaito
santa fe
prados del este
bellas artes
ns/nr
las mercedes
lomas del avila
los chaguaramos
bello monte
santa monica
la california
guarenas
el rosal
los dos caminos
la guaira
catia
guatire
san antonio
santa rosa
las adjuntas
valle arriba
caricuao
palo verde
ninguna
san roman
propatria
lejania
plot(g4,layout=co, vertex.size=eccentricity(g4),
edge.width= 0.4,
vertex.label.cex =eccentricity(g4)/2,
vertex.label.font=round(eccentricity(g4)),
19
cumbres del curumo

alto hatillo
cumbres de curumo
sabana grande
alto prado
chuao
la union
los samanes
montalban
los ruices
los chorros
las acacias
country club
el marquez
chulavista
baruta
sebucan
campo alegre
el paraisola tahona la trinidad
terrazas del avila
la candelaria
el bosque
el cafetal
plaza venezuela
el hatillo
la lagunita
el valle
san bernandino
chacao
la castellana
este
la florida
los naranjos
altamira
santa fe
boleita
los teques
macaracuay
valle arriba
los palos grande
la boyera
chacaito
prados del este

las mercedes
lomas del avila
ns/nr
bello monte
la california
los chaguaramos
santa monica
el rosal
guarenas
los dos caminos
la guaira
catia
las adjuntas
guatire
san antonio
santa rosa
valle arriba
caricuao
palo verde
ninguna
san roman
propatria
intermediacion
plot(g4,layout=co, vertex.size=betweenness(g4)/100,
edge.width= 0.4,
vertex.label.cex =betweenness(g4)/180,
vertex.label.font=round(betweenness(g4)/120),
20
bellas artes
cumbres del curumo

cumbres de curumo
sabana grande
alto prado
chuao
los samanes
montalban
el marquez
los chorros
baruta
campo alegre
la tahona
la trinidad
el paraiso
el cafetal
plaza venezuela
el hatillo
la lagunita
el valle
la boyera
valle arriba
los palos grande
la castellana
los naranjos
altamira
boleita
san bernandino
este
la florida
santa fe
prados del este

los teques
las mercedes
ns/nr
los chaguaramos
bello monte
santa monica
la california
guarenas
el rosal
los dos caminos
catia
guatire
san antonio
valle arriba
caricuao
palo verde
ninguna
propatria
segundo ejemplo. Vicepresidentes de Venezuela

Tengo dos marcos de datos con presidentes y vice presidentes de venezuela. No he verificado la precisin de
esta data. La usar con fines didcticos. Examinar que tipo de relaciones puedo explorar
vices <- read.csv("~/analisisDatos/redes/vicepresidentes.csv")
presidentes <- read.csv("C:/Users/Beatriz/Downloads/pob-xlsx (1).csv", stringsAsFactors=FALSE)
Exploracin de la data
21
head(presidentes)
##
##
##
##
##
##
##
##
##
##
##
##
##
##
nombre
1
cristobal mendoza
2
juan escalona
3
baltazar padron
4
francisco espejo
5 fernando rodriguez del toro
6
javier ustariz
cargo fecha fin
1 presidente 1811 1812
partido
independiente
independiente
independiente
independiente
independiente
independiente
elecciones
elecciones
elecciones
elecciones
elecciones
elecciones
modo.poder
indirectas
indirectas
indirectas
indirectas
indirectas
indirectas
# cuantos casos
nrow(presidentes)
## [1] 88
head(vices)
##
##
##
##
##
##
##
##
##
##
##
##
##
##
nombre
1 mendoza, escalona, padron
3 espejo, rodriguez, ustariz
5
francisco de miranda
6
simon bolivar
cargo fecha fin
1 vicepresidente 1861 1863
partido
Vicepresidente
independiente
juan escalona
independiente
baltazar porras
independiente fernando rodriguez del toro
independiente
javier ustariz
independiente
sin vicepresidente
independiente
sin vicepresidente
# cuantos casos
nrow(vices)
## [1] 47
Para establecer estas relaciones, puedo en principio tratar de determinar qu personas han sido escogidas
por qu partido: el partido escoge a la persona. Luego, puedo ver qu presidente eligi cual vicepresidente.
Adicionalmente, puedo tambin observar qu personas han estado en qu cargos, y por ltimo, podra
establecer la co-ocurrencia de personas en un cargo dado, segn la fecha
Preparacion de la data
22
# vicepresidentes elegidos por cual presidente

vicepresidentes<-as.matrix(table(vices[, c(1,3)]))
head.matrix(vicepresidentes)
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
Vicepresidente
nombre
adina bastidas andres narvarte
andres narvarte
0
1
carlos soublette
0
0
espejo, rodriguez, ustariz
0
0
0
0
hugo chavez
1
0
jose antonio paez
0
1
Vicepresidente
nombre
antonio leocadio guzman antonio leocadio
andres narvarte
0
0
carlos soublette
0
0
0
0
0
0
hugo chavez
0
0
jose antonio paez
0
0
Vicepresidente
nombre
baltazar porras carlos soublette
andres narvarte
0
0
carlos soublette
0
1
0
0
0
0
hugo chavez
0
0
jose antonio paez
0
1
Vicepresidente
nombre
diego bautista urbaneja diosado cabello
andres narvarte
0
0
carlos soublette
1
0
0
0
0
0
hugo chavez
0
1
jose antonio paez
1
0
Vicepresidente
nombre
elias jaua fernando rodriguez del toro
andres narvarte
0
0
carlos soublette
0
0
0
1
0
0
hugo chavez
1
0
jose antonio paez
0
0
Vicepresidente
nombre
francisco antonio zea
andres narvarte
0
carlos soublette
0
0
0
hugo chavez
0
23
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
jose antonio paez
0
Vicepresidente
nombre
francisco de paula santander isaias rodriguez
andres narvarte
0
0
carlos soublette
0
0
0
0
0
0
hugo chavez
0
1
jose antonio paez
0
0
Vicepresidente
nombre
javier ustariz joaquin herrera
andres narvarte
0
0
carlos soublette
0
0
0
0
0
0
hugo chavez
0
0
jose antonio paez
0
0
Vicepresidente
nombre
jorge arreaza jorge rodriguez
andres narvarte
0
0
carlos soublette
0
0
0
0
0
0
hugo chavez
1
1
jose antonio paez
0
0
Vicepresidente
nombre
jose maria carrenio jose vicente rangel
andres narvarte
1
0
carlos soublette
0
0
0
0
0
0
hugo chavez
0
1
jose antonio paez
0
0
Vicepresidente
nombre
juan escalona manuel felipe de tovar
andres narvarte
0
0
carlos soublette
0
0
0
0
0
0
hugo chavez
0
0
jose antonio paez
0
0
Vicepresidente
nombre
nicolas maduro no designado pedro gual.
andres narvarte
0
0
0
carlos soublette
0
0
0
0
0
0
0
0
0
hugo chavez
1
0
0
jose antonio paez
0
0
0
Vicepresidente
nombre
ramon carrizales santos michelena
andres narvarte
0
0
carlos soublette
0
1
0
0
24
##
0
##
hugo chavez
1
##
jose antonio paez
0
##
Vicepresidente
## nombre
sin vicepresidente
##
andres narvarte
0
##
carlos soublette
0
##
0
##
1
##
hugo chavez
0
##
jose antonio paez
2
0
0
1
vg1 <-graph.incidence(vicepresidentes, mode=c("all"))

# analisis de la estructura del grafo y de las relaciones presentes
estructura(vg1)
##
##
##
##
##
##
##
##
##
Indicadores valor
1
nodos 45.00
2
aristas 43.00
3
densidad 0.04
4
diametro 8.00
5
long.med.cam 2.86
6
grado medio 1.91
7
modularidad 0.74
8 coefic.cluster 0.00
relaciones(vg1)
##
relaciones valor
## 2
presentes 43.00
## 3 % presentes
4.34
plot(vg1,vertex.label=NA, asp=FALSE,
vertex.size =degree(vg1)/max(degree(vg1)),
25
Puedo agregar, usando otra va que tiene el paquete igraph, algunos atributos. Esta va, da los mismos
resultados que antes obteniamos agregando los atributos con la funcin plot(); la diferencia es que estos
atributos ahora se aanden a la informacin del grafo. Si deseo exportar luego esa red para visualizarla con
cualquier otro programa, los atributos se exportarn tambin.
nTerms <- nrow(vicepresidentes)
nDocs <- ncol(vicepresidentes)
idx.terms <- 1:nTerms
idx.docs <- (nTerms+1):(nTerms+nDocs)
V(vg1)$color[idx.terms] <- rgb(0, 1, 1, .5)
V(vg1)$size[idx.terms] <- 6
V(vg1)$color[idx.docs] <- rgb(1, 1, 0, .4)
V(vg1)$size[idx.docs] <- 4
26
V(vg1)$frame.color[idx.terms] <- rgb(0, 1, 1, .5)

V(vg1)$frame.color[idx.docs] <- rgb(1, 1, 0, .4)
V(vg1)$label.cex=degree(vg1)/3
Preparo el layout
minC <- rep(-Inf, vcount(vg1))
maxC <- rep(Inf, vcount(vg1))
minC[1] <- maxC[1] <- 0
co <- layout_with_fr(vg1, niter=20000, minx=minC,
maxx=maxC,
miny=minC, maxy=maxC)
Represento este grafo escalndolo por el nmero de veces que un presidente escogi a un vicepresidente.
Ntese que al diferenciar los colores de los cargos, necesariamente algunos nombres se repetiran con distintos
colores, eso nos indicar que algunos vicepresidentes luego fueron presidentes:
plot(vg1, layout=co)
27
julian castro
manuel felipe de tovar
javier ustariz

mendoza, escalona, padron
pedro gual.
pedro gual
baltazar porras
juan escalona
no designado
pedro carmona estang
joaquin herrera
juan crisostomo falcon
jose gregorio monagas

antonio leocadio guzman
fernando rodriguez del toro

antonio leocadio
simon bolivar
francisco de paula santander
jose tadeo monagas

nicolas maduro
sin vicepresidente
jose maria carrenio
diosado cabello
diego bautista urbaneja
jose maria carrenio
jose antonio paez
elias jaua
andres narvarte
hugo chavez
adina bastidas
carlos soublette
andres narvarte
jorge arreaza
jose vicente rangel
nicolas maduro
carlos soublette
isaias rodriguez
santos michelena
ramon carrizales
jorge rodriguez
jose maria vargas
Los presidentes que ms veces han elegido vicepresidentes han sido Hugo Chvez y Jos Antonio Pez. Diego
Baustista Urbaneja ha sido la persona que ms veces, distintos presidentes eligieron como vicepresidente.
Esta red nos da informacin interesante sobre la etapa republicana del siglo XIX en cuanto a la red en torno
a la vicepresidencia.
Veamos ahora, qu vicepresidentes, aunque no hayan sido elegidos muchas veces, han estado intermediando
entre el cargo de vicepresidentes y presidentes
V(vg1)$label.cex=betweenness(vg1)/25
La visualizacin me ilustra varias cosas. Que Pez tendi a seleccionar vicepresidentes que luego fueron
presidentes; que ha sido ms el nmero de veces que la vicepresidencia permaneci vaca y que Andrs
Narvarte como presidente y vicepresidente ha tendio una influencia importante en el siglo XIX. Simn Bolvar
tambin ha ocupado una posicin importante al unir diversos vicepresidentes en distintos momentos. En la
denominada V Repblica, Nicols Maduro ha unido tambin los dos cargos.
28
Exploro esta red segn el partido. Aqu parto del supuesto de que el partido elige a quien posteriomente ser
presidente, y por tanto, tiene influencia en el vicepresidente que se elige. Ntese que, usando un procedimiento
distinto puedo emplear el partido como atributo para colorear la red. Ese procedimiento lo veremos luego.
vpartidos<-as.matrix(table(vices[, c(2,3)]))
head.matrix(vpartidos)
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
Vicepresidente
partido
adina bastidas andres narvarte antonio leocadio guzman
conservador
0
4
2
independiente
0
0
0
liberal
0
0
0
psuv
1
0
0
Vicepresidente
partido
antonio leocadio baltazar porras carlos soublette
conservador
1
0
2
independiente
0
1
0
liberal
1
0
0
psuv
0
0
0
Vicepresidente
partido
diego bautista urbaneja diosado cabello elias jaua
conservador
4
0
0
independiente
0
0
0
liberal
0
0
0
psuv
0
1
1
Vicepresidente
partido
fernando rodriguez del toro francisco antonio zea
conservador
0
0
independiente
1
1
liberal
0
0
psuv
0
0
Vicepresidente
partido
francisco de paula santander isaias rodriguez
conservador
0
0
independiente
1
0
liberal
0
0
psuv
0
1
Vicepresidente
partido
javier ustariz joaquin herrera jorge arreaza
conservador
0
0
0
independiente
1
0
0
liberal
0
1
0
psuv
0
0
2
Vicepresidente
partido
jorge rodriguez jose maria carrenio jose vicente rangel
conservador
0
1
0
independiente
0
0
0
liberal
0
0
0
psuv
1
0
1
Vicepresidente
partido
juan escalona manuel felipe de tovar nicolas maduro
conservador
0
0
0
independiente
1
0
0
29
##
liberal
0
3
0
##
psuv
0
0
1
##
Vicepresidente
## partido
no designado pedro gual. ramon carrizales santos michelena
##
conservador
0
0
0
2
##
independiente
0
0
0
0
##
liberal
0
2
0
0
##
psuv
1
0
1
0
##
Vicepresidente
## partido
sin vicepresidente
##
conservador
3
##
independiente
3
##
liberal
1
##
psuv
0
vg2 <-graph.incidence(vpartidos, mode=c("all"))
# analisis de la estructura y de las relaciones
estructura(vg2)
##
##
##
##
##
##
##
##
##
Indicadores valor
1
nodos 31.00
2
aristas 30.00
3
densidad 0.06
4
diametro 4.00
5
long.med.cam 2.64
6
grado medio 1.94
7
modularidad 0.64
relaciones(vg2)
##
relaciones valor
## 2
presentes 30.00
## 3 % presentes
6.45
30
nTerms <- nrow(vpartidos)

nDocs <- ncol(vpartidos)
V(vg2)$color[idx.terms] <- rgb(0.5, 0.7, 1, .5)
V(vg2)$color[idx.docs] <- rgb(1, 1, 0.5, .4)
V(vg2)$frame.color[idx.terms] <- rgb(0.5, 0.7, 1, .5)
V(vg2)$frame.color[idx.docs] <- rgb(1, 1, 0.5, .4)
Visualizo
31
plot(vg2)
jose vicente rangel

elias jaua
jorge rodriguez
nicolas maduro
francisco de paula santander
psuv
baltazar porras
diosado cabello
jorge arreaza
isaias rodriguez
no designado
javier ustariz
independiente
adina bastidas
ramon carrizales
juan escalona
sin vicepresidente
santos michelena
carlos soublette
liberal
antonio leocadio
conservador
antonio leocadio guzman
joaquin herrera
pedro gual.
diego bautista urbaneja
jose maria carrenio
andres narvarte
Este grafo nos da an mayor informacin con respecto a la red del poder en torno a las vicepresidencias
durante el siglo XIX. La vicepresidencia estuvo vaca independientemenete del tipo de partido. Antonio
Leocadio Guzman fye vice presidente tanto para conservadores como para liberales.
Veamos ahora la presidencia segn el tipo de elecciones realizadas. Aqu el presidente es escogido por las
elecciones. De nuevo, esta data presenta inconsistencias, la usamos con fines didcticos
pelecciones<-as.matrix(table(presidentes[, c(1,3)]))
head.matrix(pelecciones)
##
modo.poder
32
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
nombre
campaa admirable elecciones directas
andres narvarte
0
0
antonio guzman blanco
0
0
baltazar padron
0
0
carlos andres perez
0
2
carlos delgado chalbaud
0
0
carlos soublette
0
0
modo.poder
nombre
elecciones indirectas golpe de estado
andres narvarte
0
0
3
1
baltazar padron
1
0
carlos andres perez
0
0
0
1
carlos soublette
1
0
modo.poder
nombre
presidente designado presidente encargado
andres narvarte
0
0
1
0
baltazar padron
0
0
carlos andres perez
0
0
0
0
carlos soublette
0
1
modo.poder
nombre
presidente provisional restituci3n presidente
andres narvarte
2
0
0
0
baltazar padron
0
0
carlos andres perez
0
0
0
0
carlos soublette
0
0
vg3 <-graph.incidence(pelecciones, mode=c("all"))

# estructura y relaciones
estructura(vg3)
##
##
##
##
##
##
##
##
##
Indicadores valor
1
nodos 62.00
2
aristas 74.00
3
densidad 0.04
4
diametro 6.00
5
long.med.cam 3.40
6
grado medio 2.39
7
modularidad 0.56
relaciones(vg3)
##
relaciones
valor
## 2
presentes
74.00
## 3 % presentes
3.91
33
Mejoro algunos atributos de la red

nTerms <- nrow(pelecciones)
nDocs <- ncol(pelecciones)
34

V(vg3)$color[idx.terms] <-"darkorchid4"
V(vg3)$color[idx.docs] <- "firebrick"
V(vg3)$frame.color[idx.terms] <- "darkorchid4"
V(vg3)$frame.color[idx.docs] <- "firebrick"
plot(vg3)
campaa admirable
francisco linares alcantara

isaias medina angarita
cristobal mendoza
javier ustariz
juan pablo rojas paul
simon bolivar
juan escalona
raimundo andueza palacio

francisco espejo
juan bautista perez
jose tadeo monagas
presidente designado
baltazar padron
jose ruperto monagas
elecciones indirectas
jose antonio paez
juan vicente gomez

wolfgang larrazabal
guillermo tell villegas

eleazar lopez contreras
pedro carmona estanga
jose maria vargas
golpe de estado
hermogenes lopez
julian castro
presidente provisional
andres narvarte
joaquin crespo
cipriano castro
carlos soublette
restitucin presidente
romulo betancourt
pedro gual
nicolas maduro
hugo chavez
ramon jose velasquez
elecciones directas
presidente encargado
diosdado cabello
marcos perez jimenez
ignacio andrade
jose gil fortoul
laureano vallenilla
jaime lusinchi
carlos andres perez
victorino marquez bustillos
romulo gallegos
german suarez flamerich
luis herrera campins
edgar sanabria
raul leoni
jose maria carrenio
octavio lepage
35
rafael caldera
V(vg3)$label.cex=betweenness(vg3)/1100
plot(vg3, layout=layout.drl)
campaa admirable
simon bolivar
baltazar padron
jose ruperto monagas
pedro carmona estanga

isaias medina angarita
cipriano castro
raimundo andueza palacio
presidente designado
jose antonio paez

juan bautista perez

julian castro
jose tadeofrancisco
monagas linares alcantara
andres narvarte
wolfgang larrazabal
golpe de estado
elecciones indirectas
eleazar lopez contreras

juan escalona
presidente provisional
joaquin crespo
juan pablo rojas paul

cristobal mendoza
javier ustariz
romulo gallegos
hermogenes lopez
romulo betancourt
jose maria vargas
francisco espejo
rafael caldera
carlos soublette
pedro gual
jaime lusinchi
luis herrera campins
elecciones directas
nicolas maduro
ignacio andrade
german suarez flamerich

diosdado cabello
raul leoni
carlos andres perez
presidente encargado
marcos perez jimenez
victorino marquez
josebustillos
maria carrenio
ramon jose velasquez
edgar sanabria
jose gil fortoul

laureano vallenilla
octavio lepage
Diversos presidentes han llegado al poder a travs de diversos medios: por golpe de estado y luego elecciones,
bien sea directa o indirectas. Otros fueron presidentes encargados y luego electos por elecciones-
36

Redes Didactica

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Redes Didactica

Caricato da

Copyright:

Formati disponibili

Anlisis de grafos usando R e igraph

Primer ejemplo. Zona de habitacin deseada

1646 obs. of 3 variables:

Tengo tres variable y 1646 casos. Exploro la data:

sapply(zona[,2:3], function(x) table(x))

Estructura del grafo

san jose parque caiza las delicias

palo verde chacao

las lomas del avila

lfr <- layout_with_fr(sg2, niter=1000)

Visualizo nuevamente el grafo

cumbres del curumo

terrazas del avila

los palos grande

prados del este

lomas del avila

cumbres del curumo

terrazas del avila

los palos grande

prados del este

cumbres del curumo

terrazas del avila

los palos grande

prados del este

lomas del avila

los dos caminos

cumbres del curumo

terrazas del club hipico

terrazas del avila

los palos grande

prados del este

cumbres del curumo

el paraisola tahona la trinidad

terrazas del avila

los palos grande

prados del este

lomas del avila

los dos caminos

cumbres del curumo

los palos grande

prados del este

segundo ejemplo. Vicepresidentes de Venezuela

# vicepresidentes elegidos por cual presidente

jose antonio paez

vg1 <-graph.incidence(vicepresidentes, mode=c("all"))

V(vg1)$frame.color[idx.terms] <- rgb(0, 1, 1, .5)

manuel felipe de tovar

manuel felipe de tovar

pedro carmona estang

juan crisostomo falcon

jose gregorio monagas

antonio leocadio guzman

fernando rodriguez del toro

jose tadeo monagas

diego bautista urbaneja

jose maria carrenio

jose antonio paez

jose vicente rangel

jose maria vargas

nTerms <- nrow(vpartidos)

jose vicente rangel

francisco de paula santander

francisco antonio zea

fernando rodriguez del toro