Zacznij terazZacznij za darmo

Identyfikowanie profili

Nadal pracujemy nad eksploracją naszego zbioru danych z tweetami. Elementy te są zawarte w zagnieżdżonej liście 5055 podlist, którą przeglądamy za pomocą purrr.

W tym ćwiczeniu odpowiemy na pytanie dotyczące zachowań użytkowników: ilu z nich tylko retweetuje, nie publikując żadnych „oryginalnych treści"? Popularna zasada na Twitterze mówi, że około 80% użytkowników tylko retweetuje, a 20% tworzy własne treści – zgodnie z prawem Pareto. Sprawdzimy to w tym ćwiczeniu.

W tym celu podzielimy nasz zbiór danych na dwie części, a następnie policzymy łączną liczbę użytkowników oraz ilu z nich należy wyłącznie do grupy „tylko retweety".

purrr jest już załadowany, a lista rstudioconf jest nadal dostępna w twoim środowisku pracy.

To ćwiczenie jest częścią kursu

Funkcyjne programowanie średnio zaawansowane z purrr

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz podlistę retweetów, wyodrębnij element user_id i usuń duplikaty za pomocą unique().

  • Utwórz podlistę oryginalnych tweetów, wyodrębnij element user_id i usuń duplikaty za pomocą unique().

  • Połącz funkcje union() (z bazowego R) i length(), aby poznać łączną liczbę użytkowników.

  • Użyj funkcji setdiff() (z bazowego R), aby wyodrębnić użytkowników należących wyłącznie do podlisty retweetów.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Keep the RT, extract the user_id, remove the duplicate
rt <- ___(___, "is_retweet") %>%
  ___("user_id") %>% 
  ___()

# Remove the RT, extract the user id, remove the duplicate
non_rt <- ___(rstudioconf, "is_retweet") %>%
  ___("user_id") %>% 
  ___()

# Determine the total number of users
___(rt, non_rt) %>% ___()

# Determine the number of users who has just retweeted
___(rt, non_rt) %>% ___()
Edytuj i uruchom kod