เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

In-degree Centrality

Centrality คือตัววัดความสำคัญของโหนดในเครือข่าย โดยมีหลายประเภท และแต่ละประเภทก็มีความหมายแตกต่างกันเล็กน้อยในบริบทของ Twitter network เราจะเริ่มต้นด้วย degree centrality เนื่องจากคำนวณได้ตรงไปตรงมาและมีการตีความที่เข้าใจง่าย

สำหรับเครือข่ายแบบมีทิศทาง (directed networks) อย่าง Twitter ต้องระมัดระวังในการแยกแยะระหว่าง in-degree และ out-degree centrality โดยเฉพาะในเครือข่าย retweet โดย in-degree centrality ในเครือข่าย retweet บ่งชี้ถึงผู้ใช้ที่ได้รับ retweet จำนวนมาก

มีการ import networkx ในชื่อ nx ไว้แล้ว นอกจากนี้ยังได้โหลดเครือข่าย G_rt และ G_reply รวมถึง column_names = ['screen_name', 'degree_centrality'] ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลโซเชียลมีเดียด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณ in-degree centrality สำหรับเครือข่าย retweet ด้วย nx.in_degree_centrality() แล้วเก็บผลลัพธ์ไว้ใน rt_centrality
  • ทำแบบเดียวกันสำหรับเครือข่าย reply แล้วเก็บไว้ใน reply_centrality
  • ส่ง items (คือ tuple คีย์-ค่า) ของ reply centralities ไปยัง DataFrame constructor
  • ทำแบบเดียวกันสำหรับเครือข่าย reply

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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())
แก้ไขและรันโค้ด