原文链接：http://tecdat.cn/?p=17654 

在现实世界中，我们的生活受到大量网络的支配。网络流可以表示很多模型，比如管道中的石油、高压线中电流，或者计算机网络中的数据。网络流也可以解决很多问题，比如如何进行道路交通管控，以便有效地缓解早高峰的拥堵；在物流网运输中，在满足供需关系的同时，怎样使渠道成本最低。这些问题都有现成的网络流算法，别再以为网络流仅仅是网络中的比特流。

对于网络和网络流的实践，我们将使用R。

1. 


2. myflows <- flows(mat = nav, i = "i", j = "j",

3. diag(myflows) <- 0

选择流量至少要占每个市区流出流量总和的20％。

flows(myflows/rowSums(myflows)*100

然后选择 主要流量 （流入流量标准）

1. flowSel2 <- domflows(mat = myflows, w = colSums(m

2. flowSel <- myflows * flowSel1 * flowSel2

3. data.frame(id = colnames(myflows),

最后绘制主导流图

1. opar <- par(mar = c(0,0,2,0))

2. 


3. pltFlows(mat = flowSel,  spdfid = "ID", w = inflows, wid = "id",wvar = "w", wcex = 0.05, add = TRUE,legend.flows.pos = "topright",legend.flows.title =

4. title("通勤者的主要流动")

获取背景图的代码基于该包中定义的 GE对象。

要进一步了解主流流量，请阅读  Nystuen＆Dacey（1961）

最受欢迎的见解

1.采用spss-modeler的web复杂网络对所有腧穴进行分析

2.用R语言和python进行社交网络中的社区检测

3.R语言文本挖掘NASA数据网络分析，tf-idf和主题建模

4.在R语言中使用航空公司复杂网络对疫情进行建模

5.python隶属关系图模型 基于模型的网络中密集重叠社区检测

6.使用Python和SAS Viya分析社交网络

7.关联网络分析：已迁离北京外来人口的数据画像

8.情感语义网络：游记数据感知旅游目的地形象

9.用关联规则数据挖掘探索药物配伍中的规律