CommencerCommencer gratuitement

Stations les plus fréquentées au départ et à l’arrivée avec poids

Jusqu’ici, nous n’avons considéré que notre réseau avec des arêtes non pondérées. Mais nos poids d’arêtes correspondent en réalité au nombre de trajets ; il est donc logique d’étendre notre analyse des degrés en ajoutant une distribution des degrés pondérée. C’est important, car même si un ratio de degrés équilibré compte, l’élément à rééquilibrer, ce sont les vélos. Si les poids sont identiques pour toutes les stations, un ratio de degrés non pondéré suffit. Mais si l’on veut connaître le flux réel de vélos, il faut tenir compte des poids.

L’analogue pondéré de la distribution des degrés est la force. Nous pouvons la calculer avec la fonction strength(), qui fournit une distribution des degrés pondérée basée sur l’attribut weight des arêtes du graphe.

Cet exercice fait partie du cours

Études de cas : l’analyse de réseaux avec R

Afficher le cours

Instructions

  • Créez un data frame contenant les colonnes suivantes.
    • trip_out doit contenir la distribution des degrés pondérés (force) en "out" de trip_g_simp.
    • trip_in doit contenir la distribution des degrés pondérés en "in".
    • ratio doit contenir le ratio des degrés "out" divisé par les degrés "in".
  • Filtrez trip_strng pour ne garder que les lignes où trip_out et trip_in sont tous deux strictement supérieurs à 10.
  • Tracez un histogramme des ratios filtrés.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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)
Modifier et exécuter le code