Knooppunten labelen

In deze oefening ga je de knooppunten in het netwerk labelen. Je krijgt een dataframe customers met dezelfde klant-ID's als in het netwerk. Elke klant heeft een indicatie of die is gechurned of niet, respectievelijk 1 of 0. Je voegt de churnstatus toe aan de knooppunten van het netwerk en visualiseert die.

Let op: een netwerk kan zowel node- als edge-attributen hebben. De node-attributen worden weergegeven door de functie V() (van vertex) en de edge-attributen door de functie E(). De node-attributen van het churnnetwerk zijn V(network).

Deze oefening maakt deel uit van de cursus

Predictive Analytics met netwerkgdata in R

Cursus bekijken

Oefeninstructies

Inspecteer het dataframe customers met de functie head().
Gebruik de functie table() om het aantal churners en niet-churners in het dataframe customers te tellen.
Gebruik de functie V() om een knooppuntattribuut churn aan het netwerk toe te voegen en ken daar de kolom churn van het dataframe customers aan toe.
Visualiseer het netwerk door de functie plot() aan te roepen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Inspect the customers dataframe
___(customers)

# Count the number of churners and non-churners
table(customers$___)

# Add a node attribute called churn
___(network)$___ <- customers$churn

# Visualize the network
___(___, vertex.label = NA, edge.label = NA,
    edge.color = 'black', vertex.size = 2)

Code bewerken en uitvoeren