如何使用 NetLogo 行为 Space 收集定向链接的 "ids"?

How can I collect the "ids" of directed links using the NetLogo Behavior Space?

我们在 NetLogo 模型中存储了大量数据作为 links 的属性。当我使用行为 Space 设计实验和指导数据收集时,我指定要提取的“link”的“[属性]”。但是,在 CSV 文件中,我看不到 link 的 ID,这是理解数据所必需的。如何在结果中收集 link 的 ID?据我了解,没有启用此命令的原语。

和patch一样,links由两个数字标识,分别是两端的who编号。您可以保存 link 的字符串表示形式(例如 (link 0 1))或将数字提取为列表(或单独提取)。例如,

to test
  ca
  crt 2
  ask turtle 0 [create-link-with turtle 1]
  print link 0 1
  ask link 0 1 [let id sort [who] of both-ends print id] ; a list
  ask link 0 1 [let id sort [who] of both-ends
    print (word item 0 id "-" item 1 id)
  ] ; a string
end

每当您想使用 BehaviorSpace 从单个代理(包括 links)中提取信息时,一个很好的方法是使用 csv 扩展,如此答案中所述:

一般的想法是我们可以将 csv 嵌入到我们的 csv 中,然后在 R(或 Python 或 Julia 或其他)中使用类似 read_csv 的函数来提取 "inner csv" 来自我们的 BehaviorSpace 结果。

在 link 的情况下,包含 link 每一端的 who 编号以唯一标识它会很有用。 (这是我提倡对任何事物使用 who 数字的极少数情况之一。)

让我们以这个愚蠢的示例模型为例:

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 links,将 link 的 attribute 设置为一个随机数,并随着模型的变化重复将该数字减半。

为了生成我们将嵌入行为空间结果的 csv,我们编写了以下报告器:

to-report link-attributes-csv
  report csv:to-string
    fput ["who1" "who2" "attribute" ] 
    [ (list [ who ] of end1 [ who ] of end2 attribute) ] of links
end

如果你在运行setup之后在命令中心试一下,它会输出这样的东西:

observer> setup
observer> print link-attributes-csv
who1,who2,attribute
0,1,0.9409784968740699
1,2,0.9079884204004846
0,2,0.9070292656950991

如您所见,我们有一个简洁的小 csv table,其中每一行代表一个特定的 link,由它连接的海龟的 who 数量标识。

由于本报告者报告的是一个字符串(而且这个字符串可以包含换行符),我们可以直接在BehaviorSpace实验中使用它:

运行 这个实验("table output")给出了以下输出文件:

"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"

所有换行符看起来有点奇怪,但您的数据分析工具应该能够处理这个问题。以下是使用 R 和 Tidyverse 处理此问题的方法:

library(tidyverse)
df <-
  read_csv("experiment-table.csv", skip = 6) %>%
  mutate(`link-attributes` = map(`link-attributes`, read_csv)) %>%
  unnest()

purrr::map and tidyr::unnest 函数是关键函数。我不会在这里解释它们,但值得查阅并熟悉它们。

我们的最终结果是这样的:

# 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 

希望对您有所帮助。