가중치를 고려한 출발/도착 최다 이용 역
지금까지는 가중치가 없는 간선으로만 네트워크를 살펴봤습니다. 하지만 간선의 가중치는 실제로는 이동(여행) 횟수를 의미하므로, 차수 분석을 가중치가 반영된 차수 분포로 확장하는 것이 자연스럽습니다. 이는 균형 잡힌 차수 비율이 중요하더라도, 실제로 재배치해야 하는 항목은 자전거라는 점에서 중요합니다. 모든 역에서 가중치가 동일하다면 가중치 없는 차수 비율로 충분하겠지만, 실제로 몇 대의 자전거가 이동하는지 알고 싶다면 가중치를 고려해야 합니다.
차수 분포의 가중치 버전은 바로 strength입니다. strength() 함수를 사용하면 그래프 간선의 weight 속성에 기반한 가중 차수 분포를 계산할 수 있습니다.
이 연습은 강의의 일부입니다
사례 연구: R로 하는 네트워크 분석
연습 안내
- 다음 열을 포함하는 데이터 프레임을 만들어요.
trip_out에는trip_g_simp의"out"가중 차수(strength) 분포를 담으세요.trip_in에는"in"가중 차수 분포를 담으세요.ratio에는 "out" 차수를 "in" 차수로 나눈 비율을 담으세요.
trip_out과trip_in이 모두10보다 큰 행만 남기도록trip_strng를 필터링하세요.- 필터링된 비율의 히스토그램을 그리세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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)