शुरू करेंमुफ़्त में शुरू करें

सबसे ज़्यादा आने-जाने वाले स्टेशंस

यहाँ हम देखेंगे कि किन स्टेशंस पर सबसे ज़्यादा आवागमन होता है, और साथ ही in और out डिग्री का अनुपात क्या है। इससे हमें पता चलेगा कि कौन से स्टेशंस ऐसे हैं जहाँ से बहुत सी साइकिलें उठाई जाती हैं या जहाँ बहुत सी साइकिलें छोड़ी जाती हैं। ऐसे bike sharing ग्राफ के प्रभावी रूप से काम करने के लिए, बहुत ज़्यादा source या sink स्टेशंस नहीं होने चाहिए, वरना नेटवर्क के मालिक को लगातार साइकिलें इधर-उधर शिफ्ट करनी पड़ेंगी! आदर्श रूप से, नेटवर्क इस असंतुलन को खुद ही ठीक करता है, और अगर ऐसा हो रहा है, तो हम उम्मीद करते हैं कि लगभग सभी स्टेशंस की in से out डिग्री का अनुपात लगभग 1 के आसपास होगा। पहले, हम इसे unweighted केस में देखेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

केस स्टडीज़: R में नेटवर्क विश्लेषण

पाठ्यक्रम देखें

अभ्यास निर्देश

  • निम्नलिखित कॉलम्स वाला एक data frame बनाएँ.
    • trip_out में trip_g_simp की "out" डिग्री डिस्ट्रीब्यूशन होनी चाहिए.
    • trip_in में "in" डिग्री डिस्ट्रीब्यूशन होनी चाहिए.
    • ratio में "out" डिग्री को "in" डिग्री से भाग देकर प्राप्त अनुपात होना चाहिए.
  • trip_deg को उन पंक्तियों के लिए फ़िल्टर करें जहाँ trip_out और trip_in दोनों 10 से बड़े हों.
  • फ़िल्टर्ड ratios का एक histogram प्लॉट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

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

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

# Plot histogram of filtered ratios
hist(___$ratio)
कोड संपादित करें और चलाएँ