CommencerCommencer gratuitement

Mesures dans le temps

Jusqu’ici, nous avons identifié les produits qui entraînent d’autres achats en examinant leur degré sortant. Cependant, jusqu’à la dernière leçon, nous ne regardions qu’un seul instantané. Une question se pose : ces produits présentent‑ils des degrés sortants similaires à chaque pas de temps ? Après tout, un produit qui stimule d’autres achats peut être idiosyncratique ; s’il est plus stable dans le temps, cela pourrait indiquer qu’il est réellement responsable de co‑achats. Pour répondre à cette question, nous allons repartir du code déjà vu qui génère une liste contenant un graphe à chaque pas de temps.

Cet exercice fait partie du cours

Études de cas : l’analyse de réseaux avec R

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Loop over time graphs calculating out degree
degree_count_list <- lapply(___,___, mode = ___)

# Flatten it
degree_count_flat <- ___

degree_data <- data.frame(
  # Use the flattened counts
  degree_count = ___,
  # Use the names of the flattened counts
  vertex_name = names(___),
  # Repeat the dates by the lengths of the count list
  date = rep(___, ___(___))
)
Modifier et exécuter le code