Centralidad de grado de entrada
La centralidad mide la importancia de un nodo dentro de una red. Hay muchos tipos de centralidad y cada uno tiene un matiz diferente en las redes de Twitter. Empezamos con la centralidad de grado porque su cálculo es directo y su interpretación es intuitiva.
En redes dirigidas como Twitter, hay que distinguir entre la centralidad de entrada (in-degree) y de salida (out-degree), especialmente en redes de retuits. La centralidad de grado de entrada en redes de retuits indica usuarios a los que les retuitean mucho.
networkx se ha importado como nx.
Además, ya tienes cargadas las redes G_rt y G_reply y column_names = ['screen_name', 'degree_centrality'].
Este ejercicio forma parte del curso
Análisis de datos de redes sociales con Python
Instrucciones del ejercicio
- Calcula la centralidad de grado de entrada para la red de retuits con
nx.in_degree_centrality()y guárdala enrt_centrality. - Haz lo mismo para la red de respuestas y guárdalo en
reply_centrality. - Pasa los elementos (es decir, las tuplas clave-valor) de las centralidades de respuestas al constructor de DataFrame.
- Haz lo mismo para la red de respuestas.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Generate in-degree centrality for retweets
rt_centrality = ____
# Generate in-degree centrality for replies
reply_centrality = ____
# Store centralities in DataFrame
rt = pd.DataFrame(list(____), columns = column_names)
reply = pd.DataFrame(list(____), columns = column_names)
# Print first five results in descending order of centrality
print(rt.sort_values('degree_centrality', ascending = False).head())
# Print first five results in descending order of centrality
print(reply.sort_values('degree_centrality', ascending = False).head())