Métricas no nível de nó

Analisando dados de mídias sociais em Python

Alex Hanna

Computational Social Scientist

Centralidade: importância do nó

Centralidade
- Medidas de importância de um nó na rede
- Várias noções de "importância"

Centralidade de grau

Grau

Quantidade de arestas conectadas ao nó
Dois tipos de grau em uma rede dirigida
- In-degree - aresta indo para dentro do nó
- Out-degree - aresta indo para fora do nó

nx.in_degree_centrality(T)
nx.out_degree_centrality(T)

Centralidade de in-degree

Centralidade de intermediação

Quantos caminhos mínimos entre dois nós passam por este nó
Importância como intermediário na rede

nx.betweenness_centrality(T)

Centralidade de intermediação

Imprimindo maiores centralidades

bc = nx.betweenness_centrality(T)

betweenness = pd.DataFrame(
      list(bc.items()), 
      columns = ['Name', 'Cent'])

print(betweenness.sort_values(
       'Cent', 
       ascending = False).head())

    Name  Centrality
0      0    0.232540
23    23    0.158514
7      7    0.158514
15    15    0.158514
21    21    0.157588

Centralidade de intermediação

Centralidade em diferentes redes

Tabela 2x3 de centralidade

A razão

degree_rt = pd.DataFrame(list(G_rt.in_degree()), 
                         columns = ['screen_name', 'degree'])
degree_reply = pd.DataFrame(list(G_reply.in_degree()),
                            columns = ['screen_name', 'degree'])

ratio = degree_rt.merge(degree_reply, 
                        on = 'screen_name', 
                        suffixes = ('_rt', '_reply'))

ratio['ratio'] = ratio['degree_reply'] / ratio['degree_rt']

Vamos praticar!

Analisando dados de mídias sociais em Python