跨时间的指标
到目前为止，您一直通过查看出度来寻找会带动其他购买的产品。不过，在上一节课之前，我们只是在观察某一时刻的单个快照。现在的问题是：这些产品在每个时间步的出度是否相似？毕竟，某个产品之所以能带动其他购买，可能是偶然因素；如果它在时间上更稳定，就可能表明该产品持续推动了联购。为回答这个问题，我们将基于之前的代码，生成一个列表，其中每个时间步都有一张图。
本练习是课程的一部分
案例研究：用 R 进行网络分析
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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(___, ___(___))
)