Tracer des métriques au fil du temps
Nous pouvons également examiner comment les métriques du graphe global évoluent (ou non) au fil du temps. Plus tôt, nous avons regardé deux mesures importantes : le coefficient de regroupement (clustering) et la réciprocité. Toutes deux étaient assez élevées, comme prévu après inspection visuelle de la structure du graphe. Cependant, avec le temps, chacune peut évoluer. Les comportements d’achat globaux sur Amazon sont-ils stables ? Si nous le pensons, nous nous attendons à ce que les courbes de ces métriques soient essentiellement des lignes horizontales, indiquant que la réciprocité est à peu près la même chaque jour et qu’il existe une forte structure de regroupement. Voyons ce que nous pouvons découvrir ici.
Le code pour calculer la transitivité par graphe est fourni.
Cet exercice fait partie du cours
Études de cas : l’analyse de réseaux avec R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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 = ___ )