互聯網、社交網絡、病毒營銷等事物已經為大眾所熟知，網絡充斥着我們日常生活的各個方面。在這樣的背景下，網絡分析成為了定量科學發展最快的領域之一，其起源可以追溯至20世紀30年代的社會網絡分析以及幾個世紀前的圖論研究。網絡研究離不開對數據的度量與分析，因此統計方法在網絡分析中發揮着重要作用。在網絡研究的相關書籍中，《網絡數據的統計分析:R語言實踐》首次采用了這種統計視角。從最基本的數據操作和網絡可視化，到概括網絡的特征，再到對網絡數據建立模型，《網絡數據的統計分析:R語言實踐》用豐富的案例說明了如何利用多個R語言擴展包進行各類網絡分析。R語言擴展包igraph提供了大量用於網絡分析的功能，書中以其作為主要的工具。埃里克•D•克拉澤克（Eric D.Kolaczyk），是波士頓大學數學與統計系的統計學教授與統計學項目負責人，同時是生物信息學項目、系統工程方向以及計算神經科學項目的教職人員。他撰寫的以網絡為主題的著作不僅發展了統計學的方法與理論，還涵蓋了探測計算機網絡上的匿名流量模式，預測蛋白質相互作用網絡中的生物功能，以及刻畫社會網絡中行動者群體影響等應用性的工作。他是美國統計協會（American Sta，tistical.Association，簡稱ASA）會士，也是電氣和電子工程師協會（Institute of：Electrical and Elect，ronics Engineers，簡稱IEEE）高級會員。 加博爾•喬爾迪（Gabor Csardi），是美國哈佛大學統計系的研究助理，獲匈牙利羅蘭大學計算機科學博士學位。他的研究包括網絡分析在生物學與社會科學中的應用，生物信息學與計算生物學，以及圖論算法等。他於2005年創建了igraph擴展包，此后一直是主要的開發者之一。

譯者序 前言 作者簡介 第1章引言 1.1為什麼研究網絡？ 1.2網絡分析的類型 1.2.1網絡可視化與特征化 1.2.2網絡建模與推斷 1.2.3網絡過程 1.3為什麼使用R進行網絡分析？ 1.4關於本書 1.5關於本書的R語言代碼 第2章操作網絡數據 2.1概述 2.2創建網絡圖 2.2.1無向圖和有向圖 2.2.2圖的表示 2.2.3圖的操作 2.3網絡圖的修飾 2.3.1節點、邊和圖的屬性 2.3.2使用數據框 2.4關於圖 2.4.1圖的基本概念 2.4.2特殊類型的圖 2.5參考讀物 第3章網絡數據可視化 3.1概述 3.2圖可視化的基本元素 3.3圖的布局 3.4修飾圖的布局 3.5大型網絡可視化 3.6使用R之外的可視化工具 3.7參考讀物 第4章網絡圖特征的描述性分析 4.1概述 4.2節點和邊的特征 4.2.1節點度 4.2.2節點中心性 4.2.3邊的特征 4.3網絡的凝聚性特征 4.3.1子圖與普查 4.3.2密度與相對頻率 4.3.3連通性、割與流 4.4圖分割 4.4.1層次聚類 4.4.2譜分割 4.4.3圖分割的驗證 4.5同配性與混合 4.6參考讀物 第5章網絡圖的數學模型 5.1概述 5.2經典隨機圖模型 5.3廣義隨機圖模型 5.4基於機制的網絡圖模型 5.4.1小世界模型 5.4.2優先連接模型 5.5評估網絡圖特征的顯著性 5.5.1評估網絡社團數量 5.5.2評估小世界性 5.6參考讀物 第6章網絡圖的統計模型 6.1概述 6.2指數隨機圖模型 6.2.1一般形式 6.2.2模型界定 6.2.3模型擬合 6.2.4擬合優度 6.3網絡塊模型 6.3.1模型界定 6.3.2模型擬合 6.3.3擬合優度 6.4潛變量網絡模型 6.4.1—般形式 6.4.2界定潛變量效應 6.4.3模型擬合 6.4.4擬合優度 6.5參考讀物 第7章網絡拓撲結構推斷 7.1概述 7.2鏈路預測 7.3關聯網絡推斷 7.3.1相關網絡 7.3.2偏相關網絡 7.3.3高斯圖模型網絡 7.4網絡的層析拓撲結構推斷 7.4.1約束問題：樹拓撲結構 7.4.2樹拓撲結構的層析推斷示例 7.5參考讀物 第8章網絡圖上的過程建模與預測 8.1概述 8.2最近鄰方法 8.3馬爾科夫隨機場 8.3.1一般形式 8.3.2自邏輯模型 8.3.3自邏輯模型的推斷與預測 8.3.4擬合優度 8.4核方法 8.4.1設計圖上的核函數 8.4.2圖上的核回歸 8.5動態過程的建模與預測 8.5.1傳染病過程示例 8.6參考讀物 第9章網絡流數據分析 9.1概述 9.2網絡流建模：引力模型 9.2.1模型界定 9.2.2引力模型的推斷 9.3網絡流的預測：流量矩陣估計 9.3.1不適定逆問題 9.3.2層析引力方法 9.4參考讀物 第10章動態網絡 10.1概述 10.2動態網絡的表示與操作 10.3動態網絡的可視化 10.4動態網絡的特征化 10.5動態網絡建模 參考文獻 索引 彩圖節選