1

我正在尝试使用在线课程讨论论坛中的问题、答案和评论为 SNA 项目构建一个边缘列表。

这是我构建边缘列表的代码：

# import libraries
import csv
import collections
from collections import defaultdict

def multi_dimensions(n, type):
  # """ Creates an n-dimension dictionary where the n-th dimension is of type 'type' 
  if n<=1:
    return type()
  return defaultdict(lambda:multi_dimensions(n-1, type))

edgelist = multi_dimensions(2,dict)

csv.field_size_limit(1600000)
f = open('/Users/samuelfinegold/Documents/harvard/edXresearch/snaCreationFiles/time_series/time_series.csv','rU')
reader = csv.DictReader(f, delimiter=',')

for line in reader:
    # edgelist
    if line['types'] == 'Question':
        #print 'T'
        source = line['author_id']
    else:
        edgelist[source]['target'] = line['author_id']
        edgelist[source]['start_time'] = line['time']

这是上下文的csv：

post_id thread_id   author_id       types   time    votes_up    votes_down  posters
1       0            Jan         Question     3/1/12 10:45  5   1   Jan, Janet, Jack
2       0            Janet       Answer   3/1/12 11:00  2   1   Jan, Janet, Jack
3       0            Jack        Comment      3/2/12 8:00   0   0   Jan, Janet, Jack
4       1            Jason       Question     3/4/12 9:00   3   1   Jason, Jan, Janet
5       1            Jan         Answer   3/7/12 1:00   3   1   Jason, Jan, Janet
6       1            Janet       Answer   3/7/12 2:00   1   2   Jason, Jan, Janet

这就是我为我的边缘列表得到的：

source  target  time
Jan         Jack    999
Jason   Janet   999

我不知道是什么导致时间如此不同。

期望的输出：

source     target     start_time
Jan        Janet      3/1/12 11:00
Jan        Jack       3/2/12 8:00
Jason      Jan        3/7/12 1:00
Jason      Janet      3/7/12 2:00

请注意，时间是发布答案或评论的时间。对于那些熟悉动态 SNA 图的人，您可能想知道为什么我没有结束时间。这是因为，为简单起见，我将简单地为每个帖子手动添加一个具有相同结束时间的列，这意味着图表不会显示任何消失。

4

0 回答 0