跨時間的指標
到目前為止，我們透過檢視 out degree 來找出會帶動其他購買的產品。不過，在上一課之前，我們其實只看了一個時間點的快照。接下來要問的是：這些產品在每個時間步的 out degree 是否相近？畢竟，能帶動其他購買的產品可能只是偶然；但如果在時間上較為穩定，就可能代表該產品確實在推動共同購買。為了回答這個問題，我們會延續剛才走過的程式碼，產生一個在每個時間步都含有圖形的清單。
本練習屬於課程
案例研究：R 的網路分析
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。
# 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(___, ___(___))
)