Philipp/aki_prj23_transparenzregister
1
0
Fork 0
mirror of https://github.com/fhswf/aki_prj23_transparenzregister.git synced 2025-07-14 17:44:05 +02:00
Code Issues Packages Projects Releases Wiki Activity

docs/document-structure (#578)

Browse Source 
Habe per toctree die verschiedenen Dokumente in die richtige Reihenfolge
gebracht.

---------

Co-authored-by: Tim Ronneburg <Tim-Ronneburg@users.noreply.github.com>
Co-authored-by: Sebastian <94404394+SeZett@users.noreply.github.com>
Co-authored-by: Philipp Horstenkamp <philipp@horstenkamp.de>
Co-authored-by: SeZett <zeleny.sebastian@fh-swf.de>
This commit is contained in:
Tristan Nolde
2024-01-25 17:49:23 +01:00
committed by GitHub
parent f0570d6145
commit e30f6b813d
52 changed files with 8140 additions and 8044 deletions
Download Patch File Download Diff File Expand all files Collapse all files

22
documentations/Ergebnisse/Zwischenbericht_und_Praesentation/TiRo/verflechtungsanalyse.md
View File

@ -24,7 +24,7 @@ Werken anderer Autoren entnommen sind, habe ich als solche kenntlich
gemacht. Die Arbeit wurde bisher weder gesamt noch in Teilen einer
anderen Prüfungsbehörde vorgelegt und auch noch nicht veröffentlicht.
2023-10-01
2023-10-01
<img src="abbildungen/unterschrift.PNG" alt="image" />
@ -413,7 +413,7 @@ Für die Erstellung der Daten wird mit der Python Bibliothek Pandas aus
einer Excel Datei Mockup-Daten zu verschiedenen Automobilherstellern
geladen.
``` {.python language="Python" breaklines="true"}
```python
# import pandas
import pandas as pd
@ -429,7 +429,7 @@ node_color = {
'Automobilhersteller': ' #729b79ff',
'Automobilzulieferer': '#475b63ff',
'Branche 3': '#f3e8eeff',
'Branche 4': '#bacdb0ff',
'Branche 4': '#bacdb0ff',
'Branche 5': '#2e2c2fff',
}
df_nodes['color'] = df_nodes['branche'].map(node_color)
@ -447,11 +447,11 @@ print(df_nodes.head())
Als Ergebnis erhält man ein Dataframe mit den verschiedenen
Automobilherstellern.
| **ID** | **Name** | **Typ** |
|--------|---------------------------|---------|
| 1 | Porsche Automobil Holding | Company |
| 2 | Volkswagen AG | Company |
| 3 | Volkswagen | Company |
| **ID** | **Name** | **Typ** |
|--------|----------|---------|
| 1 | Porsche Automobil Holding | Company |
| 2 | Volkswagen AG | Company |
| 3 | Volkswagen | Company |
*Tabelle 1: Tabelle der Automobilhersteller.*
@ -463,7 +463,7 @@ erstellt, aus welchem mit der Bibliothek NetworkX ein Graph erstellt
wird. Dafür wird die Methode from_pandas_edgelist genutzt - diese
erstellt aus einem Dataframe einen Graphen.
``` {.python language="Python" breaklines="true"}
```python
# import networkx
import networkx as nx
@ -539,7 +539,7 @@ Netzwerks zugegriffen werden. Diese wird zu Nutze gemacht, um in einer
for-Schleife die Größe der Ecken neu zu setzen. Der Quellcodes sieht wie
folgt aus:
``` {.python language="Python" breaklines="true"}
```python
adj_list = net.get_adj_list()
measure_vector = {}
@ -840,4 +840,4 @@ Springer Fachmedien Wiesbaden, 2020, S. 269–300, isbn: 9783658265236.
- **[7]** A. Disney,https://cambridge-intelligence.com/keylines-faqs-social-network-analysis/.
- **[8]** C. Intelligence, https://cambridge-intelligence.com/social-network-analysis/.
- **[8]** C. Intelligence, https://cambridge-intelligence.com/social-network-analysis/.