Fallstudien: Netzwerkanalyse in R

In dieser Lektion analysierst du Twitter-Daten zu R, indem du dir Gespräche mit „#rstats“ ansiehst. Zuerst wirfst du einen Blick auf die Rohdaten und überlegst, wie du deinen Graphen aufbauen möchtest. Es gibt mehrere Möglichkeiten; wir behandeln zwei: Retweets und Erwähnungen. Du erstellst diese Graphen und vergleichst sie anschließend anhand mehrerer Kennzahlen.

In diesem Kapitel analysierst du Daten aus einem Bike-Sharing-Netzwerk in Chicago. Wir bauen auf den Konzepten aus dem Einführungskurs auf und ergänzen einige neue, um mit Graphen mit gewichteten Kanten umzugehen. Außerdem startest du mit Daten in einer etwas roheren Form und lernst, wie du deinen Graphen aus einer potenziellen Datenquelle aufbaust.

Bisher haben wir alles mit den Plotfunktionen von igraph visualisiert. Das bietet viele leistungsfähige Möglichkeiten, deine Graphdaten darzustellen. Viele bevorzugen jedoch andere Plot-Frameworks wie ggplot2 oder sogar interaktive Frameworks wie d3.js. In dieser Lektion lernst du weitere Bibliotheken kennen, die auf dem ggplot2-Framework aufbauen. Außerdem schaust du dir andere, nicht „Hairball“-artige Methoden wie Hive Plots an und erstellst interaktive sowie animierte Plots.