Centralidade de entrada (in-degree)
Centralidade é uma medida da importância de um nó em uma rede. Existem vários tipos de centralidade, e cada um tem um significado um pouco diferente em redes do Twitter. Vamos começar pela centralidade de grau, já que seu cálculo é direto e sua interpretação é intuitiva.
Em redes direcionadas como o Twitter, é importante distinguir entre centralidade de entrada (in-degree) e de saída (out-degree), especialmente em redes de retweets. A centralidade de entrada em redes de retweets indica usuários que recebem muitos retweets.
networkx foi importado como nx.
Além disso, as redes G_rt e G_reply e column_names = ['screen_name', 'degree_centrality'] já foram carregadas para você.
Este exercício faz parte do curso
Analisando dados de mídias sociais em Python
Instruções do exercício
- Calcule a centralidade de entrada para a rede de retweets com
nx.in_degree_centrality()e armazene emrt_centrality. - Faça o mesmo para a rede de replies e armazene em
reply_centrality. - Passe os items (isto é, os pares chave-valor) das centralidades de reply para o construtor do DataFrame.
- Faça o mesmo para a rede de reply.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Generate in-degree centrality for retweets
rt_centrality = ____
# Generate in-degree centrality for replies
reply_centrality = ____
# Store centralities in DataFrame
rt = pd.DataFrame(list(____), columns = column_names)
reply = pd.DataFrame(list(____), columns = column_names)
# Print first five results in descending order of centrality
print(rt.sort_values('degree_centrality', ascending = False).head())
# Print first five results in descending order of centrality
print(reply.sort_values('degree_centrality', ascending = False).head())