Plotta Twitter-data över tid

Analysera data från sociala medier i R

Vivek Vijayaraghavan

Data Science Coach

Lektionsöversikt

Tidsseriedata
Skapa tidsserieobjekt och diagram
Visualisera tweet-frekvens över tid
Jämför varumärkessaliens för två varumärken

Definition av varumärkessaliens

Varumärkessaliens mätt i antal tweets

Tidsseriedata

En serie datapunkter indexerade över tid
Visualisera tweet-frekvens

Ett tidsserieplot

Hämta tweets för tidsserieanalys

Hämta tweets för tidsserieanalys med search_tweets()

library(rtweet)

# Extract tweets on "#google" using search_tweets()
search_tweets("#google", n = 18000, include_rts = FALSE)

Hämtad tweet-data

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_at innehåller tidsstämpeln för tweetsen

Visualisera tweet-frekvens

Analysera tweet-frekvenser

Följ det övergripande engagemanget för en produkt
Tweet-frekvenser ger insikt om intressenivån

Visualisera tweet-frekvens

# Extract tweets on "#camry" using search_tweets()
camry_st <- search_tweets("#camry", n = 18000, include_rts = FALSE)

Visualisera tweet-frekvens

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

Skapa tidsserieplot

# Create a time series plot
ts_plot(camry_st, by = "hours", color = "blue")

Tidsserieplot över tweets om Camry

Jämför tweet-frekvens

Antalet publicerade tweets är en stark indikator på varumärkessaliens
Jämför varumärkessaliensen för Tesla och Camry

Tesla vs Camry

Jämför tweet-frekvens

Konvertera hämtade Camry-tweets till ett tidsserieobjekt
Tidsserieobjektet innehåller aggregerad tweet-frekvens per tidsintervall

# Convert tweet data into a time series object
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

Jämför tweet-frekvens

# Rename the two columns in the time series object
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

Jämför tweet-frekvens

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

Jämför tweet-frekvens

# Merge the two time series objects and retain "time" column
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

Jämför tweet-frekvens

# Stack the tweet frequency columns using melt() function
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

Jämför tweet-frekvens

# Plot frequency of tweets on Camry and Tesla
ggplot(data = melt_df, 
       aes(x = time, y = value, col = variable)) +
       geom_line(lwd = 0.8)

Jämförelsediagrammet

Jämförande tidsserieplot för Camry och Tesla

Nu kör vi en övning!

Analysera data från sociala medier i R