比率
虽然这不完全是衡量网络重要性的指标，但被称为"被比率"（ratio'd）的现象是 Twitter 特有的一种网络度量，通常用来判断一条推文是否不受欢迎。"The Ratio" 的计算方法是用回复数除以转推数。就本练习而言，只计算转推网络和回复网络的入度更符合概念。
我们已经为您加载了网络 G_rt 和 G_reply，以及 column_names = ['screen_name', 'degree']。
本练习是课程的一部分
在 Python 中分析社交媒体数据
练习说明
- 使用图方法
.in_degree()计算转推网络的入度。 - 对回复网络做同样的计算。
- 使用
.merge()将两个 DataFrame 合并。 - 计算比率。列名为
degree_reply和degree_rt。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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())