Metryki w czasie
Do tej pory analizowaliśmy produkty, które napędzają inne zakupy, badając ich stopień wychodzący. Jednak aż do ostatniej lekcji przyglądaliśmy się tylko jednej chwili w czasie. Warto zadać pytanie: czy te produkty wykazują podobny stopień wychodzący w każdym kroku czasowym? W końcu produkt napędzający inne zakupy może być przypadkowym zjawiskiem – ale jeśli wzorzec ten utrzymuje się w czasie, może to świadczyć o tym, że dany produkt rzeczywiście odpowiada za wspólne zakupy. Żeby odpowiedzieć na to pytanie, rozbudujemy kod, który już poznałeś – ten, który tworzy listę grafów dla każdego kroku czasowego.
To ćwiczenie jest częścią kursu
Studia przypadków: analiza sieci w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(___, ___(___))
)