比率
雖然嚴格來說這不一定是網路中的「重要性」指標，但所謂被「ratio'd」是 Twitter 特有的一種網路衡量方式，通常用來判斷一則推文不受歡迎的程度。「The Ratio」指的是用回覆數除以轉推數。就本題而言，只取轉推與回覆網路的入度（in-degree）最符合概念。
已為你載入網路 G_rt 與 G_reply，以及 column_names = ['screen_name', 'degree']。
本練習屬於課程
使用 Python 分析社群媒體資料
練習說明
- 使用圖形方法
.in_degree()計算轉推網路的入度。 - 對回覆網路執行相同操作。
- 使用
.merge()將兩個 DataFrame 合併。 - 計算比率。欄位名稱為
degree_reply與degree_rt。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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())