def cache_x_clustering_geral(todos_artistas, todos_caches):
counter_geral = 0
lista_clustering = []
node = nx.DiGraph()
for id_artista in todos_artistas:
artista = get_name(api, id_artista)
print(artista)
try:
g = fm.load('GMLS/{0}.gml'.format(artista))
clustering = nx.average_clustering(g)
lista_clustering.append(clustering)
except:
print("{0} FAIL".format(artista))
#PLOTS
colors = (0, 0, 0)
area = np.pi * 3
ppv = pearsonr(lista_clustering, todos_caches)
# Plot Scatter Clustering x Cache
plt.scatter(lista_clustering, todos_caches, s=area, alpha=0.5)
plt.suptitle('Scatter Clustering x Cache')
plt.title('Pvalue: {0} / Cf de Correlação de Pearson: {1}'.format(
ppv[1], ppv[0]))
plt.xlabel('Clustering')
plt.ylabel('Cache')
plt.show()
return lista_clustering
def cache_x_indegree_geral(todos_artistas, todos_caches):
lista_indegree = []
for id_artista in todos_artistas:
artista = get_name(api, id_artista)
print(artista)
try:
g = fm.load('GMLS/{0}.gml'.format(artista))
indegrees = g.in_degree()
for x in indegrees:
if (id_artista in x):
indegree = x[1]
print(indegree)
lista_indegree.append(indegree)
except:
print("{0} FAIL".format(artista))
#PLOTS
colors = (0, 0, 0)
area = np.pi * 3
ppv = pearsonr(lista_indegree, todos_caches)
plt.scatter(lista_indegree, todos_caches, s=area, alpha=0.5)
plt.suptitle('Scatter Indegree x Cache ')
plt.title(
'Pvalue: {0} and Coeficiente de Correlação de Pearson: {1}'.format(
ppv[1], ppv[0]))
plt.xlabel('Indegree')
plt.ylabel('Cache')
plt.show()
return lista_indegree
def cache_x_densidade_geral(todos_artistas, todos_caches):
#counter_geral = 0
lista_densidade = []
node = nx.DiGraph()
for id_artista in todos_artistas:
artista = get_name(api, id_artista)
print(artista)
try:
g = fm.load('GMLS/{0}.gml'.format(artista))
densidade = nx.density(g)
lista_densidade.append(densidade)
except:
print("{0} FAIL".format(artista))
#PLOTS
colors = (0, 0, 0)
area = np.pi * 3
ppv = pearsonr(lista_densidade, todos_caches)
# Plot Scatter Densidade x Cache
# plt.scatter(lista_densidade,todos_caches, s=area, alpha=0.5)
# plt.suptitle('Scatter Densidade x Cache')
# plt.title('Pvalue: {0} / Cf de Correlação de Pearson: {1}'.format(ppv[1],ppv[0]))
# plt.xlabel('Densidade')
# plt.ylabel('Cache')
# plt.show()
return lista_densidade
def network_nx(network):
g = fm.load(network)
g.label_nodes('name')
g.set_all_nodes(size=10, labpos='hover')
g.draw()
return g
def cache_x_indegree_genero(lista_geral_id, lista_geral_caches):
counter_geral = 0
for lista_genero in lista_geral_id:
lista_indegree = []
node = nx.DiGraph()
for id_artista in lista_genero:
artista = get_name(api, id_artista)
print(artista)
try:
g = fm.load('GMLS/{0}.gml'.format(artista))
indegrees = g.in_degree()
for x in indegrees:
if (id_artista in x):
indegree = x[1]
print(indegree)
lista_indegree.append(indegree)
except:
print("{0} FAIL".format(artista))
#PLOTS
colors = (0, 0, 0)
area = np.pi * 3
ppv = pearsonr(lista_indegree, lista_geral_caches[counter_geral])
# Plot Scatter Indegree x Cache
lista_caches = lista_geral_caches[counter_geral]
plt.scatter(lista_indegree, lista_caches, s=area, alpha=0.5)
plt.suptitle('Scatter Indegree x Cache- ' + generos[counter_geral])
plt.title(
'Pvalue: {0} and Coeficiente de Correlação de Pearson: {1}'.format(
ppv[1], ppv[0]))
plt.xlabel('Indegree')
plt.ylabel('Cache')
plt.show()
counter_geral += 1
def load(name):
g = fm.load('{}.gml'.format(name))
# Remover todas as arestas com peso menor ou igual a 0.5.
# Precisamos de dois loops, pois não é uma boa ideia
# tirar algo de um conjunto enquanto iteramos nele.
removed = []
for n, m in g.edges:
if g.edges[n, m]['weight'] <= 0.5:
removed.append((n, m))
for n, m in removed:
g.remove_edge(n, m)
# Remover todos os nós que ficaram isolados depois da
# remoção das arestas, para melhorar a visualização.
removed = []
for n in g.nodes:
if not g.degree(n):
removed.append(n)
for n in removed:
g.remove_node(n)
return g
def cache_x_densidade_genero(lista_geral_id, lista_geral_caches):
counter_geral = 0
for lista_genero in lista_geral_id:
lista_densidade = []
counter = 0
node = nx.DiGraph()
for id_artista in lista_genero:
artista = get_name(api, id_artista)
print(artista)
try:
g = fm.load('GMLS/{0}.gml'.format(artista))
densidade = nx.density(g)
lista_densidade.append(densidade)
except:
print("{0} FAIL".format(artista))
counter += 1
#PLOTS
colors = (0, 0, 0)
area = np.pi * 3
ppv = pearsonr(lista_geral_caches[counter_geral], lista_densidade)
# Plot Scatter Densidade x Cache
plt.scatter(lista_densidade,
lista_geral_caches[counter_geral],
s=area,
alpha=0.5)
plt.suptitle('Scatter Densidade x Cache - ' + generos[counter_geral])
plt.title('Pvalue: {0} / Cf de Correlação de Pearson: {1}'.format(
ppv[1], ppv[0]))
plt.xlabel('Densidade')
plt.ylabel('Cache')
plt.show()
counter_geral += 1
cache = row[2]
lista_ids.append(id_artista)
lista_nomes.append(nome)
lista_caches.append(cache)
csvfile.close()
lista_nomes.pop(0)
lista_ids.pop(0)
lista_caches.pop(0)
counter = 0
node = nx.DiGraph()
print(lista_nomes)
for artista in lista_nomes:
try:
g = fm.load('{0}.gml'.format(artista))
indegree = g.in_degree(lista_ids[counter])
lista_indegree.append(indegree)
except:
print("{0} FAIL".format(artista))
counter += 1
print(lista_indegree)
colors = (0, 0, 0)
area = np.pi * 3
# Plot
plt.scatter(lista_caches, lista_indegree, s=area, alpha=0.5)
plt.title('Scatter Indegree x Cache')