Wizualizacja metryk w czasie
Można również zbadać, jak metryki całego grafu zmieniają się (lub nie zmieniają) w czasie. Wcześniej przyjrzeliśmy się dwóm ważnym z nich: klastrowaniu i wzajemności. Obie były dość wysokie – zgodnie z oczekiwaniami po wizualnym zbadaniu struktury grafu. Z biegiem czasu każda z nich może jednak ulec zmianie. Czy globalne wzorce zakupów na Amazon są stabilne? Jeśli tak, to wykresy tych metryk powinny być w przybliżeniu poziomymi liniami, co oznaczałoby, że wzajemność jest mniej więcej taka sama każdego dnia i utrzymuje się wysoki stopień struktury klastrowania. Sprawdźmy, co uda się tu odkryć.
Kod do obliczania tranzytywności dla każdego grafu jest już podany.
To ćwiczenie jest częścią kursu
Studia przypadków: analiza sieci w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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 = ___ )