ツイートで遊ぶ:ラウンド1
このコースの前の章で、あなたはWebエージェンシーのデータアナリストとして働いていましたね。成果が評価され、さらに新しいプロジェクトを任されました ;) この章では、新しい種類のデータ、すなわちJSONの出力を分析します。
エンジニアリングチームから、RStudio Conf 2018の期間中に収集したツイートのデータ収集結果が渡されました。このデータセットはJSON形式なので、Rでは入れ子のリストとして読み込んでいます。
まずはこのデータセットの基本的な探索から始めましょう。そのためにpurrrが大活躍します。パッケージはすでに読み込まれており、rstudioconf データセットはワークスペースで利用できます。
注意:データセット全体を表示しようとしないでください — DataCampのコンソールに出力するには大きすぎます。
これはTwitterの実データであるため、不適切な表現や不快な内容が含まれる可能性があります(この演習および、実際のTwitterデータを使用する以降の演習でも同様です)。
この演習はコースの一部です
purrr で学ぶ中級関数型プログラミング
演習の手順
内容と構造の概要をつかむために、リストの最初の要素を表示します。
元ツイート(リツイートではない)に絞りたいので、各サブリストに含まれる論理要素
"is_retweet"を使って、非リツイートのみのサブリストを作成します。この新しいサブリストの各要素から、整数用の
map_*変種を使って"favorite_count"要素を抽出します。前の結果の中央値を求めます。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Print the first element of the list to the console
# Create a sublist of non-retweets
non_rt <- ___(___, "is_retweet")
# Extract the favorite count element of each non_rt sublist
fav_count <- ___(___, "favorite_count")
# Get the median of favorite_count for non_rt
___(___)