我怎样才能收集“文件”;ids";使用NetLogo行为空间的定向链接的数量?
我们在NetLogo模型中存储了大量数据作为链接属性。当我使用行为空间设计实验和指导数据收集时,我指定要提取的“[链接属性]”。但是,在CSV文件中,我看不到链接的id,这是理解数据的关键。如何在结果中收集链接ID?据我所知,没有任何原语可以启用此命令。与补丁一样,链接由两个数字标识,这两个数字是两端的who编号。您可以保存链接的字符串表示形式(例如,(链接0 1))或将数字提取为列表(或单独)。例如:我怎样才能收集“文件”;ids";使用NetLogo行为空间的定向链接的数量?,netlogo,data-collection,behaviorspace,Netlogo,Data Collection,Behaviorspace,我们在NetLogo模型中存储了大量数据作为链接属性。当我使用行为空间设计实验和指导数据收集时,我指定要提取的“[链接属性]”。但是,在CSV文件中,我看不到链接的id,这是理解数据的关键。如何在结果中收集链接ID?据我所知,没有任何原语可以启用此命令。与补丁一样,链接由两个数字标识,这两个数字是两端的who编号。您可以保存链接的字符串表示形式(例如,(链接0 1))或将数字提取为列表(或单独)。例如: 每当您想使用BehaviorSpace从各个代理(包括链接)中提取信息时,一个很好的方法就是
每当您想使用BehaviorSpace从各个代理(包括链接)中提取信息时,一个很好的方法就是使用
csv
扩展,如下面的回答所述:
一般的想法是,我们可以将csv嵌入到我们的csv中,然后使用R(或Python或Julia或其他)中类似于读取csv的函数从我们的BehaviorSpace结果中提取“内部csv”
在链接的情况下,最好包含链接每一端的who
编号,以便对其进行唯一标识。(这是我主张使用who
号码做任何事情的极少数案例之一。)
让我们以这个愚蠢的模型为例:
extensions [ csv ]
links-own [ attribute ]
to setup
clear-all
create-turtles 3 [
create-links-with other turtles [
set attribute random-float 1
]
]
reset-ticks
end
to go
ask links [ set attribute attribute * 0.5 ]
tick
end
它只是创建了三只海龟,它们之间有链接,将链接的属性设置为一个随机数,并随着模型的滴答声重复将该数字减半
为了生成我们将嵌入到BehaviorSpace结果中的csv,我们编写了以下报告程序:
to-report link-attributes-csv
report csv:to-string
fput ["who1" "who2" "attribute" ]
[ (list [ who ] of end1 [ who ] of end2 attribute) ] of links
end
如果您在运行安装程序
后在命令中心试用,它将输出如下内容:
observer> setup
observer> print link-attributes-csv
who1,who2,attribute
0,1,0.9409784968740699
1,2,0.9079884204004846
0,2,0.9070292656950991
# A tibble: 18 x 5
`[run number]` `[step]` who1 who2 attribute
<dbl> <dbl> <dbl> <dbl> <dbl>
1 1 0 1 2 0.157
2 1 0 0 2 0.401
3 1 0 0 1 0.349
4 2 0 0 1 0.283
5 2 0 1 2 0.277
6 2 0 0 2 0.522
7 2 1 0 1 0.142
8 2 1 0 2 0.261
9 2 1 1 2 0.139
10 1 1 0 2 0.200
11 1 1 1 2 0.0784
12 1 1 0 1 0.174
13 1 2 1 2 0.0392
14 1 2 0 2 0.100
15 1 2 0 1 0.0872
16 2 2 1 2 0.0693
17 2 2 0 1 0.0708
18 2 2 0 2 0.131
如您所见,我们有一个整洁的小csv表,其中每一行代表一个特定的链接,由它所连接的海龟的数量来标识
因为这个报告器报告了一个字符串(这个字符串包含换行符是可以的),所以我们可以直接在BehaviorSpace实验中使用它:
运行此实验(使用“表输出”)将生成以下输出文件:
"BehaviorSpace results (NetLogo 6.1.1)"
"link-attributes-example.nlogo"
"experiment"
"10/16/2019 11:00:12:495 +0100"
"min-pxcor","max-pxcor","min-pycor","max-pycor"
"-16","16","-16","16"
"[run number]","[step]","link-attributes"
"1","0","who1,who2,attribute
1,2,0.15670083797389645
0,2,0.40055350697928993
0,1,0.34892645306446335"
"2","0","who1,who2,attribute
0,1,0.2831244347856665
1,2,0.27721328746715357
0,2,0.5221352362751627"
"2","1","who1,who2,attribute
0,1,0.14156221739283326
0,2,0.26106761813758134
1,2,0.13860664373357678"
"1","1","who1,who2,attribute
0,2,0.20027675348964497
1,2,0.07835041898694822
0,1,0.17446322653223167"
"1","2","who1,who2,attribute
1,2,0.03917520949347411
0,2,0.10013837674482248
0,1,0.08723161326611584"
"2","2","who1,who2,attribute
1,2,0.06930332186678839
0,1,0.07078110869641663
0,2,0.13053380906879067"
所有的换行看起来有点奇怪,但是你的数据分析工具应该能够处理这个问题。下面是如何使用R和Tidyverse处理此问题:
library(tidyverse)
df <-
read_csv("experiment-table.csv", skip = 6) %>%
mutate(`link-attributes` = map(`link-attributes`, read_csv)) %>%
unnest()
我希望这有帮助
# A tibble: 18 x 5
`[run number]` `[step]` who1 who2 attribute
<dbl> <dbl> <dbl> <dbl> <dbl>
1 1 0 1 2 0.157
2 1 0 0 2 0.401
3 1 0 0 1 0.349
4 2 0 0 1 0.283
5 2 0 1 2 0.277
6 2 0 0 2 0.522
7 2 1 0 1 0.142
8 2 1 0 2 0.261
9 2 1 1 2 0.139
10 1 1 0 2 0.200
11 1 1 1 2 0.0784
12 1 1 0 1 0.174
13 1 2 1 2 0.0392
14 1 2 0 2 0.100
15 1 2 0 1 0.0872
16 2 2 1 2 0.0693
17 2 2 0 1 0.0708
18 2 2 0 2 0.131