EmpezarEmpieza gratis

Identifica perfiles

Seguimos explorando nuestro conjunto de datos de tweets. Estos elementos están en una lista anidada de 5055 sublistas, que estamos analizando con purrr.

En este ejercicio, vamos a responder una pregunta sobre el comportamiento de los usuarios: ¿cuántos usuarios solo han hecho retweet y nunca han publicado “contenido original”? Una regla general en Twitter es que aproximadamente el 80% de la gente solo hace retweet, mientras que el 20% publica contenido, siguiendo la ley de Pareto. Vamos a comprobarlo en este ejercicio.

Para hacerlo, dividiremos nuestro conjunto de datos en dos y luego contaremos cuántos usuarios hay en total y cuántos están solo en el grupo de “solo retweet”.

purrr ya está cargado y la lista rstudioconf sigue disponible en tu espacio de trabajo.

Este ejercicio forma parte del curso

Programación funcional intermedia con purrr

Ver curso

Instrucciones del ejercicio

  • Crea una sublista de retweets, extrae el elemento user_id y elimina los duplicados con unique().

  • Crea una sublista de tweets originales, extrae el elemento user_id y elimina los duplicados con unique().

  • Combina union() (de base R) y length() para saber el número total de usuarios.

  • Usa la función setdiff() (de base R) para obtener los usuarios que solo están en la sublista de retweets.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Keep the RT, extract the user_id, remove the duplicate
rt <- ___(___, "is_retweet") %>%
  ___("user_id") %>% 
  ___()

# Remove the RT, extract the user id, remove the duplicate
non_rt <- ___(rstudioconf, "is_retweet") %>%
  ___("user_id") %>% 
  ___()

# Determine the total number of users
___(rt, non_rt) %>% ___()

# Determine the number of users who has just retweeted
___(rt, non_rt) %>% ___()
Editar y ejecutar código