Kom igångKom igång gratis

Identifiera profiler

Vi fortsätter att utforska vår datamängd med tweets. Elementen finns i en nästlad lista med 5 055 underlistor, som vi utforskar med purrr.

I den här övningen svarar vi på en fråga om användarnas beteende: hur många användare har enbart retweetat, utan att någonsin ha publicerat eget originalinnehåll? En tumregel på Twitter är att ungefär 80 % av användarna bara retweetar, medan 20 % publicerar eget innehåll – i enlighet med Paretos lag. Vi testar om det stämmer i den här övningen.

För att göra det behöver vi dela upp datamängden i två delar och sedan räkna det totala antalet användare samt hur många som enbart finns i gruppen "enbart retweets".

purrr är redan inläst, och listan rstudioconf finns tillgänglig i din arbetsmiljö.

Den här övningen är en del av kursen

Funktionell programmering på mellannivå med purrr

Visa kurs

Övningsinstruktioner

  • Skapa en underlista med retweets, extrahera elementet user_id och ta bort dubbletter med unique().

  • Skapa en underlista med originaltweets, extrahera elementet user_id och ta bort dubbletter med unique().

  • Kombinera union() (från bas-R) och length() för att ta reda på det totala antalet användare.

  • Använd funktionen setdiff() (från bas-R) för att hitta de användare som enbart finns i underlistan med retweets.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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) %>% ___()
Redigera och kör kod