数据分析之图算法: 基于Spark和Neo4j

图算法实战

｜

145

.toPandas()

.head(10)

.plot(kind='bar', x='id', y='outDegree', legend=None))

ax.xaxis.set_label_text("")

plt.xticks(rotation=45)

plt.tight_layout()

plt.show()

可视化结果如图

7-11

所示。

图 7-11：机场出港航班

航班量的差异很明显。排名第

5

的丹佛国际机场（

DEN

）的出港航班数量仅约为排名第

1

的哈兹菲尔德

–

杰克逊亚特兰大国际机场（

ATL

）的一半。

7.2.3

　源自

ORD

的延误

假设我们经常要往返于美国东西海岸之间，所以希望了解经过像芝加哥奥黑尔国际机场

（

ORD

）这样的中间枢纽所导致的延误。由于该数据集也包含了航班延误数据，因此可以

直接开展研究。

以下代码查找

ORD

出港航班的平均延误时间，并按目的地机场进行分组：

delayed_flights = (g.edges

.filter("src = 'ORD' and deptDelay > 0")

.groupBy("dst")

.agg(F.avg("deptDelay"), F.count("deptDelay"))

.withColumn("averageDelay",

F.round(F.col("avg(deptDelay)"), 2))

.withColumn("numberOfDelays",

146

｜

第

7

章

F.col("count(deptDelay)"))) ...