트위터 데이터를 시간에 따라 시각화하기

R로 소셜 미디어 데이터 분석하기

Vivek Vijayaraghavan

Data Science Coach

학습 개요

시계열 데이터
시계열 객체와 플롯 생성
시간에 따른 트윗 빈도 시각화
두 브랜드의 브랜드 현존감 비교

브랜드 현존감의 정의

트윗량으로 측정한 브랜드 현존감

시계열 데이터

시간 인덱스로 정렬된 데이터 포인트 집합
트윗 빈도 시각화

시계열 플롯

시계열 분석을 위한 트윗 추출

search_tweets()로 시계열 분석용 트윗 추출

library(rtweet)

# search_tweets()로 "#google" 트윗 수집
search_tweets("#google", n = 18000, include_rts = FALSE)

추출된 트윗 데이터

status_id                 created_at           screen_name
<chr>                    <S3: POSIXct>            <chr>
1164921105066463232    2019-08-23 15:23:29    catapanoannal            
1164921037143699456    2019-08-23 15:23:13    STARBEXPLORE    
1164920927341039621    2019-08-23 15:22:46    indra_susanto    
1164920898475794435    2019-08-23 15:22:40    virfice    
1164920877940482048    2019-08-23 15:22:35    KnowledgeNile    
1164920647962832897    2019-08-23 15:21:40    mahomes_tech

created_at에는 트윗의 타임스탬프가 포함됩니다

트윗 빈도 시각화

트윗 빈도 분석

제품 전반의 참여도 모니터링
트윗 빈도: 관심도 파악에 유용

트윗 빈도 시각화

# search_tweets()로 "#camry" 트윗 수집
camry_st <- search_tweets("#camry", n = 18000, include_rts = FALSE)

트윗 빈도 시각화

created_at            screen_name                    text
<S3: POSIXct>           <chr>                        <chr>
2019-08-23 03:29:58    dromru        Toyota Camry 2019 <U+0433><U+043E><U+0434><U+0        
2019-08-23 02:59:04    NusTrivia     Sportier 2020 Toyota Camry TRD to cost $31,995    
2019-08-22 18:09:06    NusTrivia     2020 Toyota Camry TRD Costs $31,995, It’s The     
2019-08-23 01:56:51    RaitisRides   ALL NEW 2020 Toyota Avalon is coming to R    
2019-08-23 01:17:36    jhooie        I have to say, when I finally settled down tod

시계열 플롯 만들기

# 시계열 그래프 생성
ts_plot(camry_st, by = "hours", color = "blue")

Camry 트윗의 시계열 플롯

트윗 빈도 비교

게시된 트윗량은 브랜드 현존감의 강력한 지표
Tesla와 Camry의 브랜드 현존감 비교

Tesla vs Camry

트윗 빈도 비교

Camry 트윗을 시계열 객체로 변환
시계열 객체에는 시간간격별 트윗 빈도 집계 포함

# 트윗 데이터를 시계열 객체로 변환
camry_ts <- ts_data(camry_st, by = 'hours')
head(camry_ts)

time                    n
<S3: POSIXct>         <int>
2019-08-13 14:00:00     12            
2019-08-13 15:00:00     34            
2019-08-13 16:00:00      1            
2019-08-13 17:00:00      2

트윗 빈도 비교

# 시계열 객체의 두 열 이름 변경
names(camry_ts) <- c("time", "camry_n")

head(camry_ts)

time                  camry_n
<S3: POSIXct>          <int>
2019-08-13 14:00:00      12            
2019-08-13 15:00:00      34            
2019-08-13 16:00:00       1            
2019-08-13 17:00:00       2

트윗 빈도 비교

tesla_st <- search_tweets("#tesla", n = 18000, include_rts = FALSE)
tesla_ts <- ts_data(tesla_st, by = 'hours')

names(tesla_ts) <- c("time", "tesla_n")
head(tesla_ts)

time                 tesla_n
<S3: POSIXct>         <int>
2019-08-13 13:00:00    17            
2019-08-13 14:00:00    58            
2019-08-13 15:00:00    38            
2019-08-13 16:00:00    32            
2019-08-13 17:00:00    38

트윗 빈도 비교

# 두 시계열 객체를 병합하고 "time" 열 유지
merged_df <- merge(tesla_ts, camry_ts, by = "time", all = TRUE)
head(merged_df)

time                tesla_n    camry_n
<S3:POSIXct>          <int>     <int>
2019-08-13 13:00:00    17        NA    
2019-08-13 14:00:00    58        12    
2019-08-13 15:00:00    38        34    
2019-08-13 16:00:00    32         1

트윗 빈도 비교

# melt()로 트윗 빈도 열을 스택
library(reshape)
melt_df <- melt(merged_df, na.rm = TRUE, id.vars = "time")
head(melt_df)

time                  variable       value
<S3: POSIXct>          <fct>        <int>
2019-08-13 13:00:00    tesla_n        17    
2019-08-13 14:00:00    tesla_n        58    
2019-08-13 15:00:00    tesla_n        38    
2019-08-13 16:00:00    tesla_n        32    
2019-08-13 17:00:00    tesla_n        38    
2019-08-13 18:00:00    tesla_n        34

트윗 빈도 비교

# Camry와 Tesla 트윗 빈도 플롯
ggplot(data = melt_df, 
       aes(x = time, y = value, col = variable)) +
       geom_line(lwd = 0.8)

비교 플롯

Camry와 Tesla의 시계열 비교 플롯

Ayo berlatih!

R로 소셜 미디어 데이터 분석하기