从原始数据构建图

案例研究：用 R 进行网络分析

Edmund Hart

Instructor

探索数据

数据：数天内所有提到 #rstats 的推文
构建图的关键字段：
- 屏幕名（screen name）
- 推文原文

推文结构

ReecheshJC："嗨 #rstats，如何像 fct_lump 一样合并，但按列中的计数合并？"
kom_256："RT @elenagbg：转推 R-Ladies Madrid (@RLadiesMAD)：\n\n在 #OCSummit17… 关于 #rstats 的快讲，由… 组织 https://t.co/CKY5aG…"

library(igraph)
library(stringr)
raw_tweets <- read.csv("datasets/rstatstweets.csv", 
  stringsAsFactors = FALSE)

数据示例，单行

user_name:    Karen Millidine
screen_name:    KJMillidine
tweet_tex:t    RT @Rbloggers: RStudio v1.1 Released 
https://t.co/kCMHc689nY #rstats #DataScience
favorites:    0
retweets:    96
location:    None
expanded_url:    https://wp.me/pMm6L-ExV
in_reply_to_tweet_id:    NA
in_reply_to_user_id:    NA
dt:    10/10/17

构建图

## 获取所有屏幕名
all_sn <- unique(raw_tweets$screen_name)

## 创建图
retweet_graph <- graph.empty()

## 将屏幕名添加为顶点
retweet_graph <- retweet_graph + vertices(all_sn)

构建图

## 提取名称并添加边
for(i in 1:dim(raw_tweets)[1]){

  # 提取转推的用户名
  rt_name <- find_rt(raw_tweets$tweet_text[i])
  # 若存在则添加边
   if(!is.null(rt_name)){

      # 确认顶点是否存在，不存在则添加
      if(!rt_name %in% all_sn){ 
        retweet_graph <- retweet_graph + vertices(rt_name)
      }

     # 添加边
     retweet_graph <- retweet_graph + 
       edges(c(raw_tweets$screen_name[i], rt_name))

   }

}

清理图

## 统计度为 0 的顶点数
sum(degree(retweet_graph) == 0) 

## 修剪并简化
retweet_graph <- simplify(retweet_graph)
retweet_graph <- delete.vertices(retweet_graph, 
  degree(retweet_graph) == 0)

让我们练习吧！

案例研究：用 R 进行网络分析