如何在 brightway2 中使用 transverse_tagged_databases 函数
how to use the transverse_tagged_databases function in brightway2
我想知道如何在 brightway2 中使用 transverse_tagged_database 方法。从文档中我并不完全清楚。例如，我们可以使用产品系统模型中活动的 isic 代码汇总影响吗？
简短的回答是肯定的，在您的前台产品系统模型中汇总 ISIC 代码的影响正是您可以使用 traverse_tagged_databases.
做的事情
traverse_tagged_databases 函数利用了以下事实：您可以向 brightway 中的活动添加任意 key:value 对，让您可以根据需要对前景模型中的活动进行分类。
例如，假设您的活动如下所示：
('example_database', 'code_for_bread'):{
'name': 'Bread',
'code': 'code_for_bread',
'categories':[],
'exchanges':[...],
'location':'GLO'
'unit':'kg',
'database':'example_database',
'isic_code':'1071'
'isic_classifier':'Manufacture of bakery products'
},
您可以告诉 traverse_tagged_databases 遍历您的数据库以查找给定的键（标签），例如 'isic_code' 或 'isic_classifier'，并根据这些标签汇总影响。
假设您正在为奶酪三明治建模，您的模型中可能包含以下 ISIC 代码：
三明治：1079（其他食品的制造 n.e.c。）
面包：1071（烘焙产品制造）
奶酪：1050（乳制品制造）
黄油：1050（乳制品制造）
您可以使用 traverse_tagged_databases 查看乳制品（奶酪和黄油）与面包店（面包）的总体影响。
您可以按照与 LCA 函数类似的方式使用它，通过将功能单元指定为 dict 并将方法指定为 tuple，以及额外的 tag 参数。像这样：
fu = {('example_database', 'code_for_sandwich'):1}
m = ('IPCC 2013', 'climate change', 'GWP 100a')
result, tree = traverse_tagged_databases(fu, m, 'isic_classifier')
函数returns两个对象（在上一行中指定为result和tree）
对于此分析，您的 result 将如下所示：
defaultdict(int,
{'Manufacture of other food products n.e.c.': 0,
'Manufacture of bakery products': 0.1875,
'Manufacture of dairy products': 0.55})
也就是说，前景模型中的乳制品具有 0.55 千克二氧化碳当量的总影响，烘焙产品具有 0.1875 千克二氧化碳当量的总影响。
通过一些 post 处理，您可以将此数据转换为饼图、堆叠条形图等。
你还会得到一个 tree，它看起来像这样：
[{'activity': 'Sandwich' (kg, GLO, []),
'amount': 1,
'tag': 'Manufacture of other food products n.e.c.',
'impact': 0,
'biosphere': [],
'technosphere': [{'activity': 'Bread' (kg, GLO, []),
'amount': 0.75,
'tag': 'Manufacture of bakery products',
'impact': 0,
'biosphere': [{'amount': 0.1875,
'impact': 0.1875,
'tag': 'Manufacture of bakery products'}],
'technosphere': []},
{'activity': 'Butter' (kg, GLO, []),
'amount': 0.05,
'tag': 'Manufacture of dairy products',
'impact': 0,
'biosphere': [{'amount': 0.05,
'impact': 0.05,
'tag': 'Manufacture of dairy products'}],
'technosphere': []},
{'activity': 'Cheese' (kg, GLO, []),
'amount': 0.25,
'tag': 'Manufacture of dairy products',
'impact': 0,
'biosphere': [{'amount': 0.5,
'impact': 0.5,
'tag': 'Manufacture of dairy products'}],
'technosphere': []}]}]
起初看起来有点难以解析，但本质上是一组嵌套字典，从根 activity（功能单元 = Sandwich）开始，显示 techosphere 交换到其他活动，以及 biosphere 排放交换。
这里的树看起来像这样（每个产品的 amount 都在括号中）
Bread +----(0.75 kg)----------+
|
|
|
|
Cheese +----(0.20 kg)----------+------(1.00 kg)--------> Sandwich
|
|
|
|
Butter +----(0.05 kg)----------+
同样，通过一些 post 处理，您可以将此数据转换为桑基图之类的东西，或者您在 SimaPro 中获得的那种影响树图。
我想知道如何在 brightway2 中使用 transverse_tagged_database 方法。从文档中我并不完全清楚。例如，我们可以使用产品系统模型中活动的 isic 代码汇总影响吗？
简短的回答是肯定的，在您的前台产品系统模型中汇总 ISIC 代码的影响正是您可以使用 traverse_tagged_databases.
traverse_tagged_databases 函数利用了以下事实：您可以向 brightway 中的活动添加任意 key:value 对，让您可以根据需要对前景模型中的活动进行分类。
例如，假设您的活动如下所示：
('example_database', 'code_for_bread'):{
'name': 'Bread',
'code': 'code_for_bread',
'categories':[],
'exchanges':[...],
'location':'GLO'
'unit':'kg',
'database':'example_database',
'isic_code':'1071'
'isic_classifier':'Manufacture of bakery products'
},
您可以告诉 traverse_tagged_databases 遍历您的数据库以查找给定的键（标签），例如 'isic_code' 或 'isic_classifier'，并根据这些标签汇总影响。
假设您正在为奶酪三明治建模，您的模型中可能包含以下 ISIC 代码：
三明治：1079（其他食品的制造 n.e.c。）
面包：1071（烘焙产品制造）
奶酪：1050（乳制品制造）
黄油：1050（乳制品制造）
您可以使用 traverse_tagged_databases 查看乳制品（奶酪和黄油）与面包店（面包）的总体影响。
您可以按照与 LCA 函数类似的方式使用它，通过将功能单元指定为 dict 并将方法指定为 tuple，以及额外的 tag 参数。像这样：
fu = {('example_database', 'code_for_sandwich'):1}
m = ('IPCC 2013', 'climate change', 'GWP 100a')
result, tree = traverse_tagged_databases(fu, m, 'isic_classifier')
函数returns两个对象（在上一行中指定为result和tree）
对于此分析，您的 result 将如下所示：
defaultdict(int,
{'Manufacture of other food products n.e.c.': 0,
'Manufacture of bakery products': 0.1875,
'Manufacture of dairy products': 0.55})
也就是说，前景模型中的乳制品具有 0.55 千克二氧化碳当量的总影响，烘焙产品具有 0.1875 千克二氧化碳当量的总影响。
通过一些 post 处理，您可以将此数据转换为饼图、堆叠条形图等。
你还会得到一个 tree，它看起来像这样：
[{'activity': 'Sandwich' (kg, GLO, []),
'amount': 1,
'tag': 'Manufacture of other food products n.e.c.',
'impact': 0,
'biosphere': [],
'technosphere': [{'activity': 'Bread' (kg, GLO, []),
'amount': 0.75,
'tag': 'Manufacture of bakery products',
'impact': 0,
'biosphere': [{'amount': 0.1875,
'impact': 0.1875,
'tag': 'Manufacture of bakery products'}],
'technosphere': []},
{'activity': 'Butter' (kg, GLO, []),
'amount': 0.05,
'tag': 'Manufacture of dairy products',
'impact': 0,
'biosphere': [{'amount': 0.05,
'impact': 0.05,
'tag': 'Manufacture of dairy products'}],
'technosphere': []},
{'activity': 'Cheese' (kg, GLO, []),
'amount': 0.25,
'tag': 'Manufacture of dairy products',
'impact': 0,
'biosphere': [{'amount': 0.5,
'impact': 0.5,
'tag': 'Manufacture of dairy products'}],
'technosphere': []}]}]
起初看起来有点难以解析，但本质上是一组嵌套字典，从根 activity（功能单元 = Sandwich）开始，显示 techosphere 交换到其他活动，以及 biosphere 排放交换。
这里的树看起来像这样（每个产品的 amount 都在括号中）
Bread +----(0.75 kg)----------+
|
|
|
|
Cheese +----(0.20 kg)----------+------(1.00 kg)--------> Sandwich
|
|
|
|
Butter +----(0.05 kg)----------+
同样，通过一些 post 处理，您可以将此数据转换为桑基图之类的东西，或者您在 SimaPro 中获得的那种影响树图。