聚合来自多个帐户的推文的动物园时间序列

Question

当涉及到在 R 中聚合或分箱动物园对象时，我设法让自己陷入停顿，因为我是使用 R 的新手，尤其是使用时间序列数据。

谁能帮帮我？

我有许多数据框，它们给出了推文的创建日期及其许多特定 Twitter 帐户的 ID

str(temp)
'data.frame':   1528 obs. of  2 variables:
 $ id_str    : chr  "605698007263260672" "605681239408963584" "603854670856069120" "601792133297786880" ...
 $ created_at: POSIXct, format: "2015-06-02 12:30:32" "2015-06-02 11:23:55" "2015-05-28 10:25:47" "2015-05-22 17:49:59" ...

我不知道推文的频率（创建日期值之间的间隔）但我需要创建一个包含

的数据集

 TimeSeries AccountName NumOfTweets
   2010-01   MyTweeter    45
   2010-02   YourTweeter  5

我想根据创建的周或月分组并计算有多少个并绘制它们以显示自记录开始以来，帐户数量在推文数量和持续 activity 方面相互比较。

关于如何处理合并或加入时间序列的任何建议，这样我就可以用 x 轴上的时间序列和 Y 轴上的推文数量绘制它们

使用 select_n() 获取的随机观察样本，并在下面使用 dput

提供

dput(sample.df)
structure(list(id_str = c("235710687006035968", "148522094328680448", 
"555743466945523712", "139818931253813249", "601792133297786880", 
"391194341978669057", "455754624859779072", "139640022696603648", 
"182085980864528384", "372375117130526720"), created_at = structure(c(1345032781, 
1324245401, 1421334542, 1322170405, 1432313399, 1382102973, 1397495344, 
1322127750, 1332247655, 1377616120), class = c("POSIXct", "POSIXt"
), tzone = "")), .Names = c("id_str", "created_at"), row.names = c(882L, 
1363L, 33L, 1478L, 4L, 536L, 180L, 1489L, 1116L, 635L), class = "data.frame")

所需输出的示例，但需要帮助计算聚合并将多个数据帧（每个帐户 1 个）合并到合适的最终数据结构中以进行绘图

Answer 1

这是否与您正在寻找的相似？首先，将 created_at 转换为每月并按 ID 和月份计算观察结果（推文）：

# To have some counts > 1 and several observations per ID
set.seed(123)
df2 <- data.frame(sample(df$id_str, size = 50, replace = T),
                    sample(df$created_at, size = 50, replace = T))
colnames(df2) <- colnames(df)
# Convert to months
df2$Month <- strftime(df2$created_at, format = "%Y-%m")
result <- aggregate(df2$id_str, by = list(df2$id_str, df2$Month), FUN = length)
colnames(result) <- c("ID", "Month", "nTweets")
head(result)
#                   ID   Month nTweets
# 1 139640022696603648 2011-11       1
# 2 139818931253813249 2011-11       1
# 3 148522094328680448 2011-11       1
# 4 182085980864528384 2011-11       2
# 5 391194341978669057 2011-11       1
# 6 455754624859779072 2011-11       2

然后您可以使用 ggplot 绘制结果：

library(ggplot2)
ggplot(result, aes(x = Month, y = nTweets, group = ID, color = ID)) + 
    geom_line(size = 2)

请注意，此处 x 轴的间距不正确，因为有些月份没有观测值。我想这对于完整数据来说是不正确的。

Answer 2

遵循 Khl4v 的代码并进行一些试验和错误

首先使用所需的格式字符串将字符列“created_at”转换为日期对象，以便将其识别为日期值

MyDataFrame <- mutate(MyDataFrame,created_at = as.POSIXct(created_at, format="%a %b %d %H:%M:%S %z %Y"))

现在将其转换为年月值，然后再创建一个名为 df2 的新数据框，字符串为“Tweets”，随着年月值的变化，我们将很快计算下一个值

df2 <- data.frame("Tweets",strftime(MyDataFrame$created_at, format = "%Y-%m"))

将列名重命名为更用户友好的名称
colnames(df2) <- c("Tweeter","TimePeriod") 对于 TimePeriod

列值的每次更改，使用聚合函数计算 columd Tweeter 中的 number/length 次

结果包含组，即年月和推文出现的次数

result <- aggregate(df2$Tweeter, by = list(df2$TimePeriod), FUN = length)

在结果中添加另一列以存储所使用的推特帐户的名称

result  <- mutate(result ,Account ="MyTwitter")

重命名列名称以更加用户友好

colnames(result) <- c("TimePeriod","Tweets","Tweeter")

使用 ggplot 绘制结果并旋转 x 标签，使其更易于阅读

ggplot(result, aes(x = TimePeriod, y = Tweets, group = Tweeter, color = Tweeter)) + geom_line(size = 1) + theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))

聚合来自多个帐户的推文的动物园时间序列

Aggregate zoo time series of tweets from multiple accounts

twitter

r

time-series

zoo

结果包含组，即年月和推文出现的次数