NetLogo-使用BehaviorSpace获取每次重复的所有乌龟位置

Question

我正在使用BehaviorSpace使用不同的参数运行该模型数百次。但是我需要知道所有海龟的位置，而不是仅仅知道海龟的数量。如何使用BehaviorSpace实现它？

当前，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

但是所有结果都被弹出到同一个csv文件中，因此我无法确定每次运行的情况。

Answer 1

Seth建议在您的csv输出的文件名中合并behaviorspace-run-number是另一种选择。它将使您可以将该文件与主BehaviorSpace输出文件中的摘要数据相关联。

另一个选择是在行为空间实验定义中将列表报告者作为“度量”。例如，在您的情况下：

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

然后，您可以使用自己喜欢的数据分析语言“手动”解析结果列表。我以前在Julia中使用了以下功能：

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

我确定您可以轻松地用Python或R或您使用的任何语言编写一些等效的代码。

在上面的示例中，我为xcor和ycor的乌龟输出了单独的列表。您也可以输出一个“列表列表”，但是解析起来会比较棘手。

---

编辑：如何使用csv扩展名和R

巧合的是，今天我必须为一个不同的项目做类似的事情，并且我意识到csv extension和R的组合可以使这非常容易。

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，然后将该字符串直接写入BehaviorSpace输出中。

• 在R中，使用purrr::map和readr::read_csv，然后使用tidyr::unnest，将所有内容打包成整齐的“每行一个观察”数据帧。

换句话说：我们喜欢CSV，因此我们将CSV放在CSV中，以便我们可以在解析的同时进行解析。

这是一个完整的例子。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positions报告程序作为输出，定义以下微小的BehaviorSpace实验，该实验只有两次重复且时间限制为两个：

处理此问题的R代码非常简单：

library(tidyverse)

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

这将导致以下数据帧的整洁：

> 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 

朱莉娅的同一件事：

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)