xwMOOC 네트워크
메르스 데이터 - shiny
1. 메르스 사태 네트워크 분석 1 2 3
메르스, 중동호흡기증후군은 2015년 5월 21일 사우디아라비아 등을 거쳐 바레인을 방문한 68세 남성이 첫 확진 진단은 이후 크나큰 사회문제와 함께 향후 숙제를 남겨주었다.
NetMiner - MERS-CoV 웹사이트에 일자별로 데이터가 잘 정리되어 있다. 국문과 영문으로 두가지 언어로 제공되고 있으며 엑셀 파일을 메르스 네트워크 분석 데이터로 활용한다.
2017년 xwMOOC에서 수행한 메르스 감염 네트워크 분석도 도움이 될 수 있다. 사실 본 분석은 2017년 네트워크 분석을 기반으로 하여 tidygraph 내용을 반영한 것이다.
2. 네트워크 분석 환경설정
NetMiner - MERS-CoV에서 다운로드 받은 엑셀 파일에서 필요한 결점(Vertex, Node), 연결점(Edge, Link) 쉬트를 read_excel 함수를 통해 불러온다.
- 결점(Vertex): (한국어)2015-10-02xlsx.xlsx“, sheet=”확진자"
- 연결선(Edge): (한국어)2015-10-02xlsx.xlsx“, sheet=”확진자간 link"
그리고 나서 tbl_graph() 함수를 통해 tidygraph 네트워크 객체를 생성하면 데이터 준비는 모두 끝났다.
# 0. 환경설정 ------------------
library(igraph)
library(tidyverse)
library(tidygraph)
library(ggraph)
library(threejs)
library(readxl)
library(crosstalk)
library(extrafont)
loadfonts()
library(viridisLite)
# 1. 데이터 가져오기 ------
## 1.1. 결점 노드
mers_info <- read_excel("data/(한국어)2015-10-02xlsx.xlsx", sheet="확진자")
colnames(mers_info) <-c("확진자", "성별", "나이", "확진일", "현상태", "현상태_판정일자",
"감염병원", "감염지역", "감염 이유", "비고")
mers_vert <- mers_info %>%
mutate(병원색상 = as.numeric(fct_lump(감염병원, 3))) %>%
mutate(id = 1:nrow(mers_info)) %>%
rename(label = 확진자) %>%
select(id, label)
## 1.2. 연결선 엣지
mers_edge <- read_excel("data/(한국어)2015-10-02xlsx.xlsx", sheet="확진자간 link") %>%
select(SOURCE, TARGET)
### 연결선을 결점과 연결
mers_edge <- mers_edge %>%
left_join(mers_vert, by = c("SOURCE" = "label")) %>%
select(-SOURCE) %>%
rename(from = id)
mers_edge <- mers_edge %>%
left_join(mers_vert, by = c("TARGET" = "label")) %>%
select(-TARGET) %>%
rename(to = id)
## 1.3. 결점 노드 & 연결선 추가정보
mers_vert <- left_join(mers_vert, mers_info, by=c("label" = "확진자")) %>%
select(id, label, 성별, 나이, 감염병원)
## 1.4. 네트워크 데이터 변환
mers_tidy_nw <- tbl_graph(
nodes = mers_vert, edges = mers_edge, directed = TRUE
)
mers_tidy_nw# A tbl_graph: 186 nodes and 181 edges
#
# A directed simple graph with 25 components
#
# Node Data: 186 x 5 (active)
id label 성별 나이 감염병원
<int> <chr> <chr> <dbl> <chr>
1 1 M00001 m 68.0 N/A
2 2 M00002 f 63.0 N/A
3 3 M00003 m 76.0 평택성모병원
4 4 M00004 f 46.0 평택성모병원
5 5 M00005 m 50.0 365서울열린의원
6 6 M00006 m 71.0 평택성모병원
# ... with 180 more rows
#
# Edge Data: 181 x 2
from to
<int> <int>
1 1 2
2 1 3
3 3 4
# ... with 178 more rows
3. 네트워크 분석 시각화
ggraph() 함수를 통해 tidygraph 객체를 ggplot 방식으로 쉽게 네트워크 그래프를 생성시킬 수 있다.
# 2. 데이터 시각화 ------
ggraph(mers_tidy_nw, layout = "graphopt") +
geom_node_point(aes(colour = 성별)) +
geom_edge_link() +
scale_edge_width(range = c(0.2, 2)) +
geom_node_text(aes(label = label), repel = TRUE) +
theme_graph(base_family="NanumGothic")
4. 네트워크 기술 통계
tidygraph 객체를 activate() 함수로 다양한 네트워크 기술 통계량을 쉽게 도출할 수 있다. centrality_degree(), centrality_betweenness() 함수로 간단히 연결중심성(Degree centrality), 매개중심성 (Betweenness centrality)을 산출하여 후속 분석에 파이프 연산자로 사용이 가능하다.
# 3. 네트워크 기술통계 ------
## 3.1. 기술통계량 -----
mers_tidy_nw <- mers_tidy_nw %>%
activate(nodes) %>%
mutate(degree_out = centrality_degree(mode="out"),
degree_in = centrality_degree(mode="in"),
degree_inout = centrality_degree(mode="all"),
degree_between = centrality_betweenness()) %>%
mutate(hospital = as.factor(감염병원)) %>%
mutate(hospital = fct_lump(hospital, 6)) %>%
mutate(color = case_when(str_detect(hospital, "N/A") ~ viridis(7)[1],
str_detect(hospital, "건양") ~ viridis(7)[2],
str_detect(hospital, "대청") ~ viridis(7)[3],
str_detect(hospital, "삼성") ~ viridis(7)[4],
str_detect(hospital, "평택") ~ viridis(7)[5],
str_detect(hospital, "한림") ~ viridis(7)[6],
str_detect(hospital, "Other") ~ viridis(7)[7]))
## 3.2. tidy 네트워크를 데이터프레임으로 변환 -----
mers_tidy_df <- mers_tidy_nw %>%
activate(nodes) %>%
as_tibble
DT::datatable(mers_tidy_df)5. crosstalk 인터랙티브
crosstalk를 활용하여 threejs 팩키지 graphjs() 함수로 인터랙티브 데이터 시각화가 가능하다.
# 4. crosstalk 시각화 ------
sd <- SharedData$new(mers_tidy_df)
bscols(
widths = c(6, 6),
graphjs(mers_tidy_nw,
vertex.color = V(mers_tidy_nw)$color,
vertex.frame.color = 'white',
vertex.shape = 'circle',
vertex.size = V(mers_tidy_nw)$degree_out/25,
vertex.label = V(mers_tidy_nw)$label,
vertex.label.color = "gray20",
vertex.label.family = 'NanumGothic',
vertex.label.font = 0.5,
vertex.label.cex = 0.7,
edge.color = "gray50",
edge.width = 0.8,
edge.lty = 1,
edge.curved = 0.3,
edge.arrow.size = .2,
margin = c(0,0,0,0),
brush=TRUE,
crosstalk=sd,
main = ""),
DT::datatable(sd, rownames=FALSE)
)6. shiny 메르스 네트워크 - 정적 그래프
shiny 팩키지를 활용하여 메르스 네트워크에 대한 인터랙티브 분석을 시도해본다. 환자 ID를 선택하여 네트워크를 연결시켜 본다.
global.R 파일에 엑셀 원본데이터를 불러와서 이를 tidygraph 네트워크 객체로 변환시키고, 네트워크 기술통계량을 결점 노드 데이터프레임으로 저장시킨다.
# 0. 환경설정 -----
library(tidyverse)
library(lubridate)
library(ggthemes)
library(extrafont)
loadfonts()
library(igraph)
library(DT)
library(tidygraph)
library(ggraph)
library(readxl)
library(viridisLite)
# 1. 데이터 가져오기 -----
## 1.1. 결점 노드
mers_info <- read_excel("data/(한국어)2015-10-02xlsx.xlsx", sheet="확진자")
colnames(mers_info) <-c("확진자", "성별", "나이", "확진일", "현상태", "현상태_판정일자",
"감염병원", "감염지역", "감염 이유", "비고")
mers_vert <- mers_info %>%
mutate(병원색상 = as.numeric(fct_lump(감염병원, 3))) %>%
mutate(id = 1:nrow(mers_info)) %>%
rename(label = 확진자) %>%
select(id, label)
## 1.2. 연결선 엣지
mers_edge <- read_excel("data/(한국어)2015-10-02xlsx.xlsx", sheet="확진자간 link") %>%
select(SOURCE, TARGET)
### 연결선을 결점과 연결
mers_edge <- mers_edge %>%
left_join(mers_vert, by = c("SOURCE" = "label")) %>%
select(-SOURCE) %>%
rename(from = id)
mers_edge <- mers_edge %>%
left_join(mers_vert, by = c("TARGET" = "label")) %>%
select(-TARGET) %>%
rename(to = id)
## 1.3. 결점 노드 & 연결선 추가정보
mers_vert <- left_join(mers_vert, mers_info, by=c("label" = "확진자")) %>%
select(id, label, 성별, 나이, 감염병원)
## 1.4. 네트워크 데이터 변환
mers_tidy_nw <- tbl_graph(
nodes = mers_vert, edges = mers_edge, directed = TRUE
)
# 2. 네트워크 기술통계 ------
## 2.1. 기술통계량 -----
mers_tidy_nw <- mers_tidy_nw %>%
activate(nodes) %>%
mutate(degree_out = centrality_degree(mode="out"),
degree_in = centrality_degree(mode="in"),
degree_inout = centrality_degree(mode="all"),
degree_between = centrality_betweenness()) %>%
mutate(hospital = as.factor(감염병원)) %>%
mutate(hospital = fct_lump(hospital, 6)) %>%
mutate(color = case_when(str_detect(hospital, "N/A") ~ viridis(7)[1],
str_detect(hospital, "건양") ~ viridis(7)[2],
str_detect(hospital, "대청") ~ viridis(7)[3],
str_detect(hospital, "삼성") ~ viridis(7)[4],
str_detect(hospital, "평택") ~ viridis(7)[5],
str_detect(hospital, "한림") ~ viridis(7)[6],
str_detect(hospital, "Other") ~ viridis(7)[7]))
## 2.2. tidy 네트워크를 데이터프레임으로 변환 -----
mers_tidy_df <- mers_tidy_nw %>%
activate(nodes) %>%
as_tibbleui.R, server.R에 환자 ID를 선택하면 자동으로 네트워크 그래프를 생성시키도록 코딩을 한다.
ui.R
shinyUI(fluidPage(
titlePanel("Interactive MERS Network"),
sidebarLayout(
div(style="width: 40%;",
sidebarPanel(
selectInput("node", "Select a Patient", choices = unique(V(mers_tidy_nw)$id), multiple=TRUE, width = "50%")
)
),
mainPanel(
column(width=6,
plotOutput("network_plot", width=800, height=800)
),
column(width=6,
DT::dataTableOutput("mers_table")
)
)
)
))server.R
shinyServer(function(input, output) {
mers_subgraph <- reactive({
# 특정 결점기준 시각화 -----
req(input$node)
edges <- E(mers_tidy_nw)[input$node%--%V(mers_tidy_nw)]
mers_subgraph <- subgraph.edges(graph = mers_tidy_nw, eids = edges) %>%
simplify(remove.multiple = TRUE, remove.loops = TRUE)
})
output$network_plot <- renderPlot({
# 2. 데이터 시각화 ------
ggraph(mers_subgraph(), layout = "graphopt") +
geom_node_point(aes(colour = 성별)) +
geom_edge_link() +
scale_edge_width(range = c(0.2, 2)) +
geom_node_text(aes(label = label), repel = TRUE) +
theme_graph(base_family="NanumGothic")
})
output$mers_table <- DT::renderDataTable({
mers_tidy_df %>%
datatable()
})
})
7. shiny 메르스 네트워크 - 동적 그래프
앞선 gggraph() 정적 그래프를 동적 네트워크 그래프로 구현한다. networkD3를 사용하는데 인덱스가 0부터 시작하여 이를 반영하는 로직을 추가한다.
# 0. 환경설정 -----
library(tidyverse)
library(lubridate)
library(ggthemes)
library(extrafont)
loadfonts()
library(igraph)
library(DT)
library(tidygraph)
library(ggraph)
library(readxl)
library(viridisLite)
library(networkD3)
# 1. 데이터 가져오기 -----
## 1.1. 결점 노드
mers_info <- read_excel("data/(한국어)2015-10-02xlsx.xlsx", sheet="확진자")
colnames(mers_info) <-c("확진자", "성별", "나이", "확진일", "현상태", "현상태_판정일자",
"감염병원", "감염지역", "감염 이유", "비고")
mers_vert <- mers_info %>%
mutate(병원색상 = as.numeric(fct_lump(감염병원, 3))) %>%
mutate(id = 1:nrow(mers_info)) %>%
rename(label = 확진자) %>%
select(id, label)
## 1.2. 연결선 엣지
mers_edge <- read_excel("data/(한국어)2015-10-02xlsx.xlsx", sheet="확진자간 link") %>%
select(SOURCE, TARGET)
### 연결선을 결점과 연결
mers_edge <- mers_edge %>%
left_join(mers_vert, by = c("SOURCE" = "label")) %>%
select(-SOURCE) %>%
rename(from = id)
mers_edge <- mers_edge %>%
left_join(mers_vert, by = c("TARGET" = "label")) %>%
select(-TARGET) %>%
rename(to = id)
## 1.3. 결점 노드 & 연결선 추가정보
mers_vert <- left_join(mers_vert, mers_info, by=c("label" = "확진자")) %>%
select(id, label, 성별, 나이, 감염병원)
## 1.4. 네트워크 데이터 변환
mers_tidy_nw <- tbl_graph(
nodes = mers_vert, edges = mers_edge, directed = TRUE
)
# 2. 네트워크 기술통계 ------
## 2.1. 기술통계량 -----
mers_tidy_nw <- mers_tidy_nw %>%
activate(nodes) %>%
mutate(degree_out = centrality_degree(mode="out"),
degree_in = centrality_degree(mode="in"),
degree_inout = centrality_degree(mode="all"),
degree_between = centrality_betweenness()) %>%
mutate(hospital = as.factor(감염병원)) %>%
mutate(hospital = fct_lump(hospital, 6)) %>%
mutate(color = case_when(str_detect(hospital, "N/A") ~ viridis(7)[1],
str_detect(hospital, "건양") ~ viridis(7)[2],
str_detect(hospital, "대청") ~ viridis(7)[3],
str_detect(hospital, "삼성") ~ viridis(7)[4],
str_detect(hospital, "평택") ~ viridis(7)[5],
str_detect(hospital, "한림") ~ viridis(7)[6],
str_detect(hospital, "Other") ~ viridis(7)[7]))
## 2.2. tidy 네트워크를 데이터프레임으로 변환 -----
mers_tidy_df <- mers_tidy_nw %>%
activate(nodes) %>%
as_tibbleui.R, server.R에 환자 ID를 선택하면 자동으로 네트워크 그래프를 생성시키도록 코딩을 한다.
ui.R
shinyUI(fluidPage(
titlePanel("Interactive MERS Network"),
sidebarLayout(
div(style="width: 40%;",
sidebarPanel(
selectInput("node", "Select a Patient", choices = unique(V(mers_tidy_nw)$id), multiple=TRUE, width = "50%")
)
),
mainPanel(
column(width=6,
forceNetworkOutput("network_plot")
),
column(width=6,
DT::dataTableOutput("mers_table")
)
)
)
))server.R
shinyServer(function(input, output) {
mers_subgraph <- reactive({
# 특정 결점기준 시각화 -----
req(input$node)
edges <- E(mers_tidy_nw)[input$node%--%V(mers_tidy_nw)]
mers_subgraph <- subgraph.edges(graph = mers_tidy_nw, eids = edges) %>%
simplify(remove.multiple = TRUE, remove.loops = TRUE)
})
output$network_plot <- renderForceNetwork({
mers_tidy_subgraph <- as_tbl_graph(mers_subgraph())
# 1 인덱스를 0 인덱스로 변환
mers_networkD3_vert_df <- mers_tidy_subgraph %>%
activate(nodes) %>%
as_tibble %>%
mutate(id = id -1L)
mers_networkD3_edge_df <- mers_tidy_subgraph %>%
activate(edges) %>%
mutate(value = 1) %>%
as_tibble %>%
mutate(from = from - 1L,
to = to -1L)
forceNetwork(Links = mers_networkD3_edge_df, Nodes = mers_networkD3_vert_df,
Source = "from", Target = "to", NodeID = "label",
Group = "감염병원", zoom = TRUE)
})
output$mers_table <- DT::renderDataTable({
mers_tidy_df %>%
datatable()
})
})