csv - NetLogo - 使用BehaviorSpace获取所有海龟位置作为每次重复的结果

Question

我正在使用BehaviorSpace 使用不同的参数运行模型数百次。但我需要知道所有海龟的位置，而不仅仅是海龟的数量。我怎样才能用BehaviorSpace实现它？

目前，我通过以下代码将结果输出到 csv 文件中:

to-report get-locations
  report (list xcor ycor)
end

to generate-output
  file-open "model_r_1.0_locations.csv"
  file-print csv:to-row get-locations
  file-close
end

但所有结果都会弹出到同一个 csv 文件中，因此我无法判断每次运行的情况。

Answer 1

Seth 的合并建议 behaviorspace-run-number另一种选择是在 csv 输出的文件名中添加。它允许您将该文件与主BehaviorSpace 输出文件中的摘要数据关联起来。

另一种选择是将报告者列表作为“度量”包含在行为空间实验定义中。例如，在您的情况下:

map [ t -> [ xcor ] of t ] sort turtles
map [ t -> [ ycor ] of t ] sort turtles

然后，您可以用您最喜欢的数据分析语言“手动”解析结果列表。我之前在 Julia 中使用过以下函数:

parselist(strlist, T = Float64) = parse.(T, split(strlist[2:end-1]))

我确信您可以轻松地用 Python 或 R 或​​您正在使用的任何语言编写一些等效代码。

在上面的示例中，我为海龟的 xcor 和 ycor 输出了单独的列表。您还可以输出单个“列表列表”，但解析会更加棘手。

---

编辑:如何使用 csv 扩展和 R

执行此操作

巧合的是，我今天必须为另一个项目做类似的事情，并且我意识到 csv extension 的组合R 可以让这变得非常简单。

总体思路如下:

• 在 NetLogo 中，使用 csv:to-string将列表数据编码为字符串，然后直接将该字符串写入BehaviorSpace 输出中。

• 在 R 中，使用 purrr::map和 readr::read_csv ，然后是 tidyr::unnest ，将所有内容解压到一个整洁的“每行一个观察”数据框中。

换句话说:我们喜欢 CSV，所以我们将 CSV 放入 CSV 中，这样我们就可以在解析时进行解析。

这是一个完整的示例。假设我们有以下 NetLogo 模型:

extensions [ csv ]

to setup
  clear-all
  create-turtles 2 [ move-to one-of patches ]
  reset-ticks
end

to go
  ask turtles [ forward 1 ]
  tick
end

to-report positions
  let coords [ (list who xcor ycor) ] of turtles
  report csv:to-string fput ["who" "x" "y"] coords
end

然后，我们使用我们的 positions 报告器作为输出，定义以下小型行为空间实验，仅重复两次，时间限制为两次:

处理这个问题的 R 代码非常简单:

library(tidyverse)

df <- read_csv("experiment-table.csv", skip = 6) %>%
  mutate(positions = map(positions, read_csv)) %>%
  unnest()

这会产生以下数据框，一切整洁:

> df
# A tibble: 12 x 5
   `[run number]` `[step]`   who      x        y
            <int>    <int> <int>  <dbl>    <dbl>
 1              1        0     0  16     10     
 2              1        0     1  10     -2     
 3              1        1     1   9.03  -2.24  
 4              1        1     0 -16.0   10.1   
 5              1        2     1   8.06  -2.48  
 6              1        2     0 -15.0   10.3   
 7              2        0     1 -14      1     
 8              2        0     0  13     15     
 9              2        1     0  14.0   15.1   
10              2        1     1 -13.7    0.0489
11              2        2     0  15.0   15.1   
12              2        2     1 -13.4   -0.902 

Julia 也有同样的情况:

using CSV, DataFrames
df = CSV.read("experiment-table.csv", header = 7)
cols = filter(col -> col != :positions, names(df))
df = by(df -> CSV.read(IOBuffer(df[:positions][1])), df, cols)