LoslegenKostenlos loslegen

Meist frequentierte Start- und Zielstationen mit Gewichten

Bisher haben wir unser Netzwerk nur mit ungewichteten Kanten betrachtet. Unsere Kantengewichte sind jedoch die Anzahl der Fahrten – es liegt also nahe, die Analyse der Grade um eine gewichtete Gradverteilung zu erweitern. Das ist wichtig, denn auch wenn ein ausgeglichenes Gradverhältnis zählt, müssten in der Praxis die Fahrräder umverteilt werden. Wenn die Gewichte an allen Stationen gleich wären, würde eine ungewichtete Gradverteilung reichen. Wenn wir aber wissen wollen, wie viele Fahrräder tatsächlich fließen, müssen wir Gewichte berücksichtigen.

Das gewichtete Pendant zur Gradverteilung ist die Strength. Wir berechnen sie mit der Funktion strength(), die eine gewichtete Gradverteilung basierend auf dem weight-Attribut der Kanten eines Graphen liefert.

Diese Übung ist Teil des Kurses

Fallstudien: Netzwerkanalyse in R

Kurs anzeigen

Anleitung zur Übung

  • Erstelle ein Data Frame mit den folgenden Spalten.
    • trip_out soll die gewichtete Gradverteilung (Strength) von trip_g_simp für "out" enthalten.
    • trip_in soll die gewichtete Gradverteilung für "in" enthalten.
    • ratio soll das Verhältnis der "out"-Grade geteilt durch die "in"-Grade enthalten.
  • Filtere trip_strng auf Zeilen, in denen sowohl trip_out als auch trip_in größer als 10 sind.
  • Erstelle ein Histogramm der gefilterten Verhältnisse.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

trip_strng <- data_frame(
  # Find the "out" strength distribution
  trip_out = strength(___, mode = "___"), 
  # ... and the "in" strength distribution
  trip_in = strength(___, mode = "in"),
  # Calculate the ratio of out / in
  ratio = ___ / trip_in
)

trip_strng_filtered <- trip_strng %>%
  # Filter for rows where trips in and out are both over 10
  filter(___ > 10, ___ > 10) 

# Plot histogram of filtered ratios
hist(___$ratio)
Code bearbeiten und ausführen