财新传媒
位置:博客 > 集智俱乐部 > Flownetwork:流网络的开源Python包

Flownetwork:流网络的开源Python包

Flownetwork:流网络的开源Python包

开放的流网络(Open Flow Network),或流动网络,也简称流网络(Flow Network)是指一类特殊的加权有向的复杂网络。其中,有向连边表示能量、物质、货币、信息、注意力等流动的方向,连边的权重则表示流量。开放性体现为网络中存在着源和汇两类特殊的节点代表环境。目前,开放流网络这种模型已经被应用到了生态能量流分析、国际贸易流分析、投入产出关系、大规模的人类行为、集体注意力流等多个学科背景中去了。

南京大学的王成军老师和芝加哥大学的吴令飞博士开发了一个开源工具包Flownetwork,将常用的计算都集成到了一起。初学者可以直接调用该包完成各种有关开放流网络的计算。

Flownetwork:流网络的开源Python包

该包的主要功能如下:https://github.com/chengjun/flownetwork(或点击阅读原文)

1

操作演示

首先需要安装flownetwork的包,打开一个终端输入:



pip install flownetwork

然后可以在jupyter notebook(或者其他的地方)中导入安装包:



# import packages

然后进行注意力网络的分析:

首先我们可以用help语句来查看一下这个流网络的结构:



help(fn.constructFlowNetwork)


Help on function constructFlowNetwork in moduleflownetwork.flownetwork:

在了解了这个网络的架构之后,我们就可以自己创建一个流网络:



demo = fn.attention_data

为了更好的了解这个流网络的结构,我们可以利用matplotlib画出这个demo的流网络:



# drawing a demo network

然后我们就画出了这个demo的流网络图:

Flownetwork:流网络的开源Python包

利用下面这条语句,我们查看一下这个demo的一些信息:



nx.info(gd)

如果网络没有达到平衡的话,我们就对网络进行流平衡:



# balancing the network

计算网络的流矩阵,存储在m中:



# flow matrixm = fn.getFlowMatrix(gd) m

我们可以看到输出的流矩阵的信息是下面这样子的:



matrix([[ 0., 1., 0., 0., 3., 1., 0., 0., 0.],

计算网络的马尔科夫矩阵:



fn.getMarkovMatrix(m)

我们可以看到输出的马尔科夫矩阵是下列数组的形式:



array([[ 0., 0.2 , 0., 0., 0.6 ,0.2 , 0., 0., 0.],

接着我们计算无穷步长的累积马尔科夫转移矩阵:



fn.getUmatrix(gd)

我们可以看到输出的矩阵是下面这个样子的:



matrix([[ 1., 0.2 , 0.2 , 0.1 , 0.6 ,0.4 , 0.],

最后来统计一下节点的耗散数据:



# returndissipationToSink,totalFlow,flowFromSourcefn.networkDissipate(gd)

计算网络中给定节点1的出流和入流:



fn.outflow(gd, 1)

计算网络中流的平均长度:



fn.averageFlowLength(gd)

计算流网络的平均时间矩阵:



fn.getAverageTimeMatrix(gd)

最后我们进行画图操作:

首先将流网络转为树图,然后做出 y = (x+x*[0,1))**3的函数图像(双对数坐标系<log, log>下,近似直线) :



fig=plt.figure(figsize=(9.9),facecolor="white"

这样我们就画出了第一张图:

Flownetwork:流网络的开源Python包

然后我们对: y = (x+x*[0,1))**3的函数图像做最小二乘法线性拟合(双对数条件下,近似直线) :



fn.alloRegressPlot(x,y,"r","s","$x$","$y$",loglog=True)

Flownetwork:流网络的开源Python包

画指数截断的幂律分布图:



rg = np.array([ 20.7863444 , 9.40547933, 8.70934714, 8.62690145,

得到如图所示:

Flownetwork:流网络的开源Python包

画出DGBD图:



fn.DGBDPlot(rg)

Flownetwork:流网络的开源Python包

画幂律分布图及拟合曲线:



from networkx.utils import powerlaw_sequence

Flownetwork:流网络的开源Python包

画出CCDF图:



fig = plt.figure(figsize=(4, 4),facecolor='white')

Flownetwork:流网络的开源Python包

画出基尼系数图:



bins, result, gini_val = fn.gini_coefficient(np.array(pl_sequence))

Flownetwork:流网络的开源Python包

参考资料

  1. http://wiki.swarma.net/index.php/Python 集智wiki上面编写的关于流网络的算法

  2. http://wiki.swarma.net/index.php/%E5%9F%BA%E4%BA%8E%E9%A9%AC%E5%B0%94%E7%A7%91%E5%A4%AB%E9%93%BE%E7%9A%84%E6%B5%81%E7%BD%91%E7%BB%9C%E5%88%86%E6%9E%90 集智wiki上编写的关于基于马尔科夫链的流网络分析

推荐阅读

各领域公开数据集下载|资源

吐血推荐:超级好用的深度学习云平台Floyd|集智AI学园

你的免费GPU计算平台-Floyd使用教程(下)|集智AI学园

推荐课程

打包组课只需499¥

报名请添加小助手微信号:swarmaAI

可开发票

团购享优惠

集智QQ群|292641157

商务合作|zhangqian@swarma.org

投稿转载|wangting@swarma.org

◆ ◆ ◆

搜索公众号:集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧!

  •  
推荐 0