https://github.com/matteofasulo/algos
Progetto di Algoritmi e Strutture Dati
https://github.com/matteofasulo/algos
algorithms-and-data-structures astar-algorithm data-analysis dijkstra fibonacci-heap haversine pandas python
Last synced: 3 months ago
JSON representation
Progetto di Algoritmi e Strutture Dati
- Host: GitHub
- URL: https://github.com/matteofasulo/algos
- Owner: MatteoFasulo
- Created: 2021-06-06T19:48:16.000Z (about 4 years ago)
- Default Branch: main
- Last Pushed: 2022-06-15T10:02:52.000Z (about 3 years ago)
- Last Synced: 2025-01-20T09:45:31.913Z (5 months ago)
- Topics: algorithms-and-data-structures, astar-algorithm, data-analysis, dijkstra, fibonacci-heap, haversine, pandas, python
- Language: Python
- Homepage:
- Size: 7.45 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Algoritmi e Strutture Dati
## University Project
Progetto di Algoritmi e Strutture Dati
### Description
L'implementazione prevede due differenti modelli. Il primo modello assume che tutti i comuni (nodi) siano fortemente connessi tra loro con distanza (peso) pari al numero di Km che li separa considerando la formula dell'emisenoverso [Haversine formula](https://en.wikipedia.org/wiki/Haversine_formula). Il secondo modello prevede che solo i capoluoghi regionali (nodi) siano fortemente connessi tra loro; a partire da ogni capoluogo regionale è possibile arrivare ai capoluoghi di provincia e successivamente ai comuni (se esistenti) ma la connessione tra province e capoluoghi di altre regioni non è diretta; il peso è calcolato mediante la [Haversine formula](https://en.wikipedia.org/wiki/Haversine_formula).
### Features
Rappresentazione tramite formato .html di una cartina geografica dell'Italia di tutti i nodi compreso il sorgente e il più distante in Km o minuti. Il raggio di ogni nodo è proporzionale alla distanza in Km. Nel 1° e 2° modello viene inoltre computato il miglior comune sorgente che minimizza le distanze da qualunque altro nodo.
> **Tip:** Nei modelli è possibile tramite un **menù** scegliere se visualizzare tutti i **comuni**, solo **capoluoghi** di provincia o di regione.
### Map Example
[Modello 1](https://matteofasulo.github.io/Algos/result/first_model.html)
[Modello 2](https://matteofasulo.github.io/Algos/result/second_model.html)
### Datasets
- Il dataset contenente le informazioni sulle ASL ed i comuni di riferimento è disponibile all'[indirizzo](https://www.salute.gov.it/portale/documentazione/p6_2_8_1_1.jsp?lingua=italiano&id=16)
- Le coordinate geografiche di ogni comune sono reperite tramite Open Street Map API
### Errori noti
I dataset riportati sono stati in parte modificati manualmente per permettere all'API di Open Street Map di identificare, a partire dal nome del comune, le coordinate di latitudine e longitudine. I dataset ottimizzati sono reperibili nella cartella "data".
### Libraries
| Name | Description |
| ------------- | ------------------------------ |
| [Numpy] | package for scientific computing with Python.
| [Pandas]| fast, powerful, flexible and easy to use open source data analysis and manipulation tool, built on top of the Python programming language.
| [Folium]| folium builds on the data wrangling strengths of the Python ecosystem and the mapping strengths of the Leaflet.js library.
| [Webbrowser]| provides a high-level interface to allow displaying Web-based documents to users..
| [Os]| this module provides a portable way of using operating system dependent functionality.
| [Json]| the json library can parse JSON from strings or files.
| [Time]| this module provides various time-related functions.
| [Datetime]| the datetime module supplies classes for manipulating dates and times.
|[Googlemaps]| the Python Client for Google Maps Services is a Python Client library for the following Google Maps APIs.
---
### Dependencies
- [Python 3.9.X]
---
### Installation:
```
$ pip install -r requirements.txt
```
----
### Execution:
```
$ python main.py
```
----
Le possibili scelte dal menù riguardano la visualizzazione (compreso anche il calcolo) del 1° modello e la sola visualizzazione del 2° modello (per motivi strettamente legati alla realizzazione del secondo modello).
### Functions:
| Function | Description |
| -------------------------- | ------------------------------ |
| `def main()` |Gestione del menù con relative scelte e riassunto delle performance|
| `def mk_title()` |Funzione di utilità per interfaccia CLI|
| `def handle_int(numberOfChoiches)` |Gestione delle scelte da raw_input dell'utente|
| `def clear()` |CLI clearer in base all'OS|
| `def download_comuni()` |Retrieve dei dataset da github|
| `def list_comuni()` |Util per lista delle città nei dataset|
| `def search_comune(comune)` |Retrieve di latitudine e longitudine a partire dal nome del comune|
| `def cap_regione()` |lista cap. di regione|
| `def cap_provincia()` |lista cap. di provincia|
| `def give_comuni()` |lista dei comuni senza capoluoghi di provincia e regione|
| `def graph_italy()` |Mappa di Folium con visualizzazione di capoluoghi e comuni compresa la possibilità di deselezionare o selezionare cosa visualizzare. E' possibile inoltre notare il comune rosso (sorgente scelta) e il miglior comune (quello che minimizza le distanze in KM da ogni altro comune sulla mappa (in blu))|
| `def best_source(list_cities, weights)` |Calcola il miglior comune (in blu) sulla mappa (quello che minimizza le distanze in KM da ogni altro comune)|
| `def matrix*` |Insieme delle funzioni che gestiscono la matrice di distanze calcolata attraverso la formula dell'emisenoverso|
| `def shortest_path(algorithm: str, matrix, one_way: bool = False, index: int = 0) -> np.ndarray` |Funzione che attraverso Scipy calcola il tempo di esecuzione in CPython di più noti algoritmi come Dijkstra, Bellman-Ford e Johnson|
| `def subs()` |La funzione di subsetting della matrice è stata omessa in quanto ritenuta secondaria rispetto ai modelli presentati|
| `def execution_time()` |Calcolo del tempo di esecuzione e generazione del file CSV con il tempo necessario. Sono stati eseguiti 3 test per ogni Algoritmo e per ogni subset della matrice originaria|
| `def calculate_distance(lon1, lat1, lon2, lat2, R=6373.0)` |Date le posizioni di lat e long di due comuni, la funzione calcola la loro distanza attraverso la Haversine Formula|
----
### Considerazioni:
Essendo un modello basato su una distanza "aerea" è chiaro che il miglior comune sarà quello più "centrale" tra tutti i comuni. Ciononostante vista la grande quantità di comuni con ASL al Sud, il "miglior" comune si trova nel Centro-Sud.
[Python 3.9.X]:
[time]:
[datetime]:
[os]:
[json]:
[Numpy]:
[Pandas]:
[Folium]:
[Webbrowser]:
[googlemaps]: