用于分析和处理移动数据的工具箱。
scikit-mobilit的Python项目详细描述
[![DOI](https://zenodo.org/badge/184337448.svg)](https://zenodo.org/badge/latestdoi/184337448) [![命中率](http://hits.dwyl.io/scikit-mobility/scikit-mobility.svg)](http://hits.dwyl.io/scikit-mobility/scikit-mobility)
#scikit mobility-Python中的移动性分析
<;img src=“徽标_skmob.png公司“宽度=300/>
无需将scikit mobility安装到MyBinder笔记本中,就可以尝试使用它: [![活页夹](https://mybinder.org/badge_logo.svg)](https://mybinder.org/v2/gh/scikit-mobility/scikit-mobility/master)
scikit mobility是一个Python中的人类移动性分析库。图书馆允许:
- 用适当的数据结构,TrajDataFrame和FlowDataFrame来表示轨迹和移动流。在
- 管理和操作各种格式的移动数据(呼叫详细记录、GPS数据、社交媒体数据、调查数据等)
- 从个人和集体层面(例如,位移长度、特征距离、起点-终点矩阵等)提取数据中的移动性指标和模式
- 使用标准数学模型(随机游走模型、探索和优先回报模型等)生成合成的单个轨迹
- 使用标准迁移模型(重力模型、辐射模型等)生成合成流动流
- 评估与移动性数据集相关的隐私风险
##目录 1[文件](#文件) 2[引用](#引用) 三。[与我们合作](#合作) 4[安装](#安装)
- [with conda](#installation_conda)
- [without conda](#installation_no_conda)
- [test installation](#test_installation)
[教程](#教程)
在[示例](#示例)
在- [TrajDataFrame](#trajdataframe)
- [FlowDataFrame](#flowdataframe)
- [Preprocessing](#preprocessing)
- [Measures](#measures)
- [Collective generative models](#collective_models)
- [Individual generative models](#individual_models)
- [Privacy](#privacy)
<;a id='documentation'>;<;/a>; ##文件 scikit mobility的类和函数的文档可以在:https://scikit-mobility.github.io/scikit-mobility/
<;a id='quoting'>;<;/a>; ##引用
如果您使用scikit mobility,请引用以下文章:
>;卢卡·帕帕拉多、菲利波·西米尼、吉安尼·巴尔拉奇和罗伯托·佩伦格里尼。 >;scikit mobility:Python库,用于分析、生成和风险评估移动性数据, >;2019年,https://arxiv.org/abs/1907.07062
BIEX公司: `bibtex @misc{pappalardo2019scikitmobility, title={scikit-mobility: a Python library for the analysis, generation and risk assessment of mobility data}, author={Luca Pappalardo and Filippo Simini and Gianni Barlacchi and Roberto Pellungrini}, year={2019},eprint={1907.07062},archivePrefix={arXiv},primaryClass={physics.soc-ph} } `
<;a id='collaborate'>;<;/a>; ##与我们合作 scikit mobility是一个活跃的项目,欢迎任何贡献。在
如果您希望将您的算法包含在scikit mobility中,请随时为该项目分钱,打开问题并与我们联系。在
<;a id='installation'>;<;/a>; ##安装 首先,克隆存储库-这将创建一个新目录/scikit_mobility。在
git clone https://github.com/scikit-mobility/scikit-mobility scikit_mobility
<;a id='installation conda'>;<;/a>; ###有康达-小康达
创建一个环境skmob并安装pip
在conda create -n skmob pip python=3.7
激活
在source activate skmob
安装skmob
在cd scikit-mobility python setup.py install
如果所需库的安装失败,请使用conda install重新安装。在
可选择在jupyter笔记本电脑上使用scikit mobility
在Install the kernel
在conda install ipykernel
- 打开笔记本,检查内核skmob是否在内核列表中。如果没有,请运行以下命令:
On Mac and Linux
在env=$(basename echo $CONDA_PREFIX) python -m ipykernel install –user –name “$env” –display-name “Python [conda env:”$env”]”
在Windows上
在python -m ipykernel install –user –name skmob –display-name “Python [conda env: skmob]”
exclamation: | You may run into dependency issues if you try to import the package in Python. If so, try installing the following packages as followed. |
---|
` conda install -n skmob pyproj urllib3 chardet markupsafe ` <;a id='installation_no\u conda'>;<;/a>; ###不带conda(python>;=3.6必选)
创建一个环境skmob
在python3 -m venv skmob
激活
在source skmob/bin/activate
安装skmob
在cd scikit-mobility python setup.py install
可选择在jupyter笔记本电脑上使用scikit mobility
在激活病毒:
在source skmob/bin/activate
安装jupyter笔记本:
在pip install jupyter
运行jupyter笔记本
在jupyter notebook
(可选)安装具有特定名称的内核
在ipython kernel install –user –name=skmob
#相关软件包 [movingpandals](https://github.com/anitagraser/movingpandas)是一个处理移动数据的类似包。而不是实施新的为轨迹(TrajDataFrame)和移动流(FlowDataFrame)定制的数据结构,movingpandasGeoDataFrame来描述轨迹。在覆盖的用例和实现的功能中几乎没有重叠(比较[scikit mobility教程](https://github.com/scikit-mobility/tutorials)和[movingpandals教程](https://github.com/anitagraser/movingpandas/tree/master/tutorials)):scikit mobility专注于计算人类移动性指标、生成合成轨迹和评估移动数据集的隐私风险。movingpandals则专注于时空数据探索,以及相应的数据操作和分析功能。在
- 项目
标签: