识别用户画像
我们仍在探索包含推文的数据集。这些元素存放在一个包含 5055 个子列表的嵌套列表中,我们正借助 purrr 进行探索。
在本练习中,您将回答一个关于用户行为的问题:有多少用户只进行转推,从未发布任何"原创内容"?Twitter 上有一个经验法则:大约 80% 的人只转推,20% 的人发布内容,这与帕累托法则相符。我们将在此练习中进行验证。
为此,您需要将数据集拆分为两部分,然后分别统计用户总数,以及仅位于"只转推"组中的用户数。
purrr 已为您加载,rstudioconf 列表也仍可在您的工作区中使用。
本练习是课程的一部分
使用 purrr 的函数式编程进阶
练习说明
创建一个仅包含转推的子列表,提取
user_id元素,并使用unique()去重。创建一个仅包含原创推文的子列表,提取
user_id元素,并使用unique()去重。结合使用
union()(base R 中的函数)和length()来得到用户总数。使用
setdiff()(base R 中的函数)获取仅出现在转推子列表中的用户。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Keep the RT, extract the user_id, remove the duplicate
rt <- ___(___, "is_retweet") %>%
___("user_id") %>%
___()
# Remove the RT, extract the user id, remove the duplicate
non_rt <- ___(rstudioconf, "is_retweet") %>%
___("user_id") %>%
___()
# Determine the total number of users
___(rt, non_rt) %>% ___()
# Determine the number of users who has just retweeted
___(rt, non_rt) %>% ___()