อัตราส่วน (Ratios)

แม้จะไม่ใช่ตัวชี้วัดความสำคัญในเครือข่ายโดยตรง แต่แนวคิดของ "ratio" ก็เป็นตัวชี้วัดเครือข่ายที่มีลักษณะเฉพาะของ Twitter และมักใช้ประเมินความไม่เป็นที่นิยมของทวีต "The Ratio" คำนวณโดยนำจำนวนการตอบกลับหารด้วยจำนวนการรีทวีต สำหรับบทเรียนนี้ การใช้เฉพาะ in-degree ของทั้งเครือข่ายรีทวีตและเครือข่ายตอบกลับถือว่าสมเหตุสมผลในเชิงแนวคิด

เครือข่าย G_rt และ G_reply รวมถึง column_names = ['screen_name', 'degree'] ได้ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลโซเชียลมีเดียด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

คำนวณ in-degree ของเครือข่ายรีทวีตโดยใช้เมธอด .in_degree() ของกราฟ
ทำเช่นเดียวกันสำหรับเครือข่ายตอบกลับ
Merge DataFrame ทั้งสองเข้าด้วยกันโดยใช้ .merge()
คำนวณอัตราส่วน โดยใช้ชื่อคอลัมน์ degree_reply และ degree_rt

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Calculate in-degrees and store in DataFrame
degree_rt = pd.DataFrame(list(____.____()), columns = column_names)
degree_reply = pd.DataFrame(list(____.____()), columns = column_names)

# Merge the two DataFrames on screen name
ratio = ____.____(____, on = 'screen_name', suffixes = ('_rt', '_reply'))

# Calculate the ratio
ratio['ratio'] = ____ / ____

# Exclude any tweets with less than 5 retweets
ratio = ratio[ratio['degree_rt'] >= 5]

# Print out first five with highest ratio
print(ratio.sort_values('ratio', ascending = False).head())

แก้ไขและรันโค้ด