数据分析之图算法: 基于Spark和Neo4j

图算法实战

｜

147

运行这段代码，得到图

7-12

所示的图表。

图 7-12：从 ORD 到 CKB 的航班

大约有一半航班延误，但

2018

年

5

月

2

日的延误超过

14

小时，这大大地扭曲了平均值。

如果想查找某个沿海机场进出港航班的延误信息要怎么办？这些机场经常受到恶劣天气条

件的影响，所以可能会发生一些延误。

7.2.4

　

SFO

的糟糕一天

来看旧金山国际机场（

SFO

）的航班延误情况，该机场因大雾导致的低能见度问题而闻名。

分析方法之一就是研究

模体

（

motif

），即重复出现的子图或模式。

Neo4j

中的图模式与模体等价，可通过

MATCH

子句或

Cypher

中的模式表达式

发现。

GraphFrames

支持对模体的搜索，因此可以将航班结构用作查询的一部分。下面用模体来

查找

2018

年

5

月

11

日进出

SFO

延误最严重的航班，代码如下：

motifs = (g.find("(a)-[ab]->(b); (b)-[bc]->(c)")

.filter("""(b.id = 'SFO') and

(ab.date = '2018-05-11' and bc.date = '2018-05-11') and

(ab.arrDelay > 30 or bc.deptDelay > 30) and

(ab.flightNumber = bc.flightNumber) and

(ab.airline = bc.airline) and

(ab.time < bc.time)"""))

148

｜

第

7

章

模体

(a)-[ab]->(b); ...