ПочатиПочніть безкоштовно

Найпопулярніші станції для виїзду та прибуття

Тут ми подивимося, на які станції найчастіше прибувають і з яких найчастіше виїжджають, а також на співвідношення вхідного та вихідного степенів. Це покаже, які станції «перекошені»: з них масово забирають велосипеди або, навпаки, масово їх там залишають. Щоб такий граф прокату працював ефективно, не може бути забагато «джерельних» чи «стічних» станцій, інакше власнику мережі довелося б постійно перевозити велосипеди. Ідеально, коли мережа саморегулюється; у цьому разі ми очікуємо, що майже всі станції матимуть співвідношення вхідного до вихідного степеня близько одиниці. Спочатку розглянемо невиважений випадок.

Ця вправа є частиною курсу

Приклади: аналіз мереж у R

Переглянути курс

Інструкції до вправи

  • Створіть датафрейм, що містить такі стовпчики.
    • trip_out має містити розподіл степенів "out" для trip_g_simp.
    • trip_in має містити розподіл степенів "in".
    • ratio має містити частку степенів "out", поділених на степені "in".
  • Відфільтруйте trip_deg для рядків, де і trip_out, і trip_in більші за 10.
  • Побудуйте гістограму відфільтрованих значень співвідношення.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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)
Редагувати та запускати код