Mätvärden över tid
Hittills har vi undersökt produkter som driver andra köp genom att titta på deras utgrad. Men fram till den senaste lektionen har vi bara betraktat en enstaka ögonblicksbild i tid. En intressant fråga är om dessa produkter visar liknande utgrader vid varje tidssteg. En produkt som driver andra köp kan vara ett undantag, men om mönstret är stabilt över tid kan det tyda på att produkten faktiskt bidrar till sampköp. För att undersöka detta bygger vi vidare på den kod vi redan gått igenom, som skapar en lista med en graf för varje tidssteg.
Den här övningen är en del av kursen
Fallstudier: Nätverksanalys i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(___, ___(___))
)