LoslegenKostenlos starten

Metriken im Zeitverlauf plotten

Wir können uns auch ansehen, wie sich Metriken für den gesamten Graphen im Laufe der Zeit verändern (oder auch nicht). Zuvor haben wir uns zwei wichtige Metriken angeschaut: Clustering und Reziprozität. Beide waren, wie nach der visuellen Inspektion der Graphstruktur zu erwarten, recht hoch. Im Zeitverlauf könnten sich diese Werte jedoch ändern. Sind die globalen Kaufmuster auf Amazon stabil? Wenn wir das annehmen, sollten die Plots dieser Metriken im Wesentlichen horizontale Linien zeigen, was darauf hinweist, dass die Reziprozität an jedem Tag ähnlich ist und es eine stark ausgeprägte Clusterstruktur gibt. Schauen wir mal, was wir hier herausfinden können.

Code zur Berechnung der Transitivität pro Graph ist gezeigt.

Diese Übung ist Teil des Kurses

<Kurs>Fallstudien: Netzwerkanalyse in R</Kurs>
Kurs ansehen

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Examine this code
transitivity_by_graph <- data.frame(
  date = d,
  metric = "transitivity",
  score = sapply(all_graphs, transitivity)
)

# Calculate reciprocity by graph
reciprocity_by_graph <- data.frame(
  date = ___,
  metric = ___,
  score = ___ )
Code bearbeiten und ausführen