TP 4 CSDATOS
Magdalena CortiƱas
9/7/2021
Pimero voy a activar las librerias.
library(rtweet)## Warning: package 'rtweet' was built under R version 4.0.5library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.0.5## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v ggplot2 3.3.5 v purrr 0.3.4
## v tibble 3.1.2 v dplyr 1.0.7
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 1.4.0 v forcats 0.5.1## Warning: package 'ggplot2' was built under R version 4.0.5## Warning: package 'tibble' was built under R version 4.0.5## Warning: package 'dplyr' was built under R version 4.0.5## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x purrr::flatten() masks rtweet::flatten()
## x dplyr::lag() masks stats::lag()library(sf)## Warning: package 'sf' was built under R version 4.0.5## Linking to GEOS 3.9.0, GDAL 3.2.1, PROJ 7.2.1library(ggmap)## Warning: package 'ggmap' was built under R version 4.0.5## Google's Terms of Service: https://cloud.google.com/maps-platform/terms/.## Please cite ggmap if you use it! See citation("ggmap") for details.library(leaflet)## Warning: package 'leaflet' was built under R version 4.0.5library(lubridate)## Warning: package 'lubridate' was built under R version 4.0.5##
## Attaching package: 'lubridate'## The following objects are masked from 'package:base':
##
## date, intersect, setdiff, unionAhora voy a cargar los tweets a trabajar. El data set es de aquellos tweets que contienen la palabra de VacunaciĆ³n en Mendoza.
tweets <- read_rds("tw_mendoza_vacunacion.rds")Explorando el dataset a trabajar
users_data(tweets)## # A tibble: 700 x 20
## user_id screen_name name location description url protected
## <chr> <chr> <chr> <chr> <chr> <chr> <lgl>
## 1 43617701 mnvadillo Mario ~ Mendoza ~ Abogado. Diputado ~ https:~ FALSE
## 2 43617701 mnvadillo Mario ~ Mendoza ~ Abogado. Diputado ~ https:~ FALSE
## 3 1723734~ cortegamahan Cristi~ Mendoza,~ Periodista. https:~ FALSE
## 4 4453635~ menduco_lib~ Ronnie~ Mendoza,~ Mendocino. Liberal. <NA> FALSE
## 5 4453635~ menduco_lib~ Ronnie~ Mendoza,~ Mendocino. Liberal. <NA> FALSE
## 6 1500839~ JornadaMend~ Diario~ Mendoza,~ Diario Impreso y o~ http:/~ FALSE
## 7 1500839~ JornadaMend~ Diario~ Mendoza,~ Diario Impreso y o~ http:/~ FALSE
## 8 1500839~ JornadaMend~ Diario~ Mendoza,~ Diario Impreso y o~ http:/~ FALSE
## 9 1500839~ JornadaMend~ Diario~ Mendoza,~ Diario Impreso y o~ http:/~ FALSE
## 10 1500839~ JornadaMend~ Diario~ Mendoza,~ Diario Impreso y o~ http:/~ FALSE
## # ... with 690 more rows, and 13 more variables: followers_count <int>,
## # friends_count <int>, listed_count <int>, statuses_count <int>,
## # favourites_count <int>, account_created_at <dttm>, verified <lgl>,
## # profile_url <chr>, profile_expanded_url <chr>, account_lang <lgl>,
## # profile_banner_url <chr>, profile_background_url <chr>,
## # profile_image_url <chr>Ahora lo vamos a ver en un grƔfico los usuarios y las cantidades de seguidores para entender su popularidad.
options(scipen = 20)
ggplot(tweets) +
geom_histogram(aes(x = followers_count)) +
labs(title = "Popularidad de los usuarios",
x = "Seguidores",
y = "Cuentas")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
Ahora voy a analizar los tweets y la cantidad de seguidores de esas cuentas.
tweets %>%
select(screen_name, followers_count) %>%
distinct()%>%
arrange(desc(followers_count)) ## # A tibble: 375 x 2
## screen_name followers_count
## <chr> <int>
## 1 diariouno 327443
## 2 mdzol 221407
## 3 LosAndesDiario 212546
## 4 mendozaopina 130570
## 5 elsolonline 47462
## 6 radionihuil 46365
## 7 Canal9Televida 44037
## 8 MendozaGobierno 37385
## 9 menduco_liberal 33346
## 10 noticieronueve 24727
## # ... with 365 more rowsEn este listado podemos ver los usuarios y la cantidad de seguidores que tienen. Ahora vamos a ver quienes son los cinco usuarios con mayor cantidad de seguidores.
tweets %>%
select(screen_name, followers_count) %>%
distinct() %>%
arrange(desc(followers_count)) %>%
head(5)## # A tibble: 5 x 2
## screen_name followers_count
## <chr> <int>
## 1 diariouno 327443
## 2 mdzol 221407
## 3 LosAndesDiario 212546
## 4 mendozaopina 130570
## 5 elsolonline 47462Los cinco usuarios con mas seguidos son:
diariouno 327443 mdzol 221407 LosAndesDiario 212546 mendozaopina 130570 elsolonline 47462
A continuaciĆ³n voy a analizar el horario de los tweets.
tweets1 <- tweets %>% mutate(created_at = ymd_hms(created_at))
tweets1 %>% count(hora=hour(created_at)) %>%
ggplot() +
geom_col(aes(x = hora, y = n)) +
labs(title = "Horario de los tweets",
x = "horario",
y = "cantidad")
Este grƔfico nos muestra que el horario donde mƔs twitean los usuarios es entre las 12 de mediodia y las 18 horas. AdemƔs podemos indicar que las 15 horas es el punto mƔximo y como punto mƔs bajo las 7 am. No se registran tweets a las 6 am.
tweets1 %>%
filter(location != "", !is.na(location)) %>%
count(location) %>%
top_n(10, n) %>%
ggplot() +
geom_col(aes(x = reorder(location, n), y = n)) +
coord_flip() +
labs(title = "Procedencia de los usuarios",
x = "ubicaciĆ³n",
y = "cantidad")
Podemos concluir que el grafico muestra que los tweets corresponden a la Ciudad de Mendoza y a Lujan de Cuyo.
Ahora vamos a ver de que lugar geografico corresponden los tweets.
tweets1 <- lat_lng(tweets1)tweets1_transporte <- tweets1Ahora voy a aaislar los tweets que tienen coordenadas exactas. Para esto voy a extraer las latitudes/longitudes.
tweets1_transporte_geo <- tweets1_transporte %>%
filter(!is.na(lat), !is.na(lng))A continuaciĆ³n voy a traer el mapa de Mendoza.
bbox <- make_bbox(lon = tweets1_transporte_geo$lng, lat = tweets1_transporte_geo$lat)
bbox## left bottom right top
## -68.88865 -33.00947 -68.77490 -32.82862mapa_mendoza <- get_stamenmap(bbox, maptype = "toner-lite", zoom = 11)## Source : http://tile.stamen.com/toner-lite/11/632/1221.png## Source : http://tile.stamen.com/toner-lite/11/632/1222.png## Source : http://tile.stamen.com/toner-lite/11/632/1223.pngggmap(mapa_mendoza)
Ahora voy a dejar asentado en el mapa a que punto geografico corresponden los tweets y la cantidad de seguidores de los mismos
ggmap(mapa_mendoza) +
geom_point(data = arrange(tweets1_transporte_geo, followers_count), aes(x =lng, y =lat, color = followers_count)) +
scale_color_distiller(palette = "Spectral") +
labs(title = "PosiciĆ³n geogrĆ”fica de los Tweets y la cantidad de followers",
x = "Longitud",
y = "Latitud")
Se puede observar que los puntos geograficos de los tweets realizados. Podemos observar que corresponden a distintos barrios. Los tweets estan muy cerca entre si es por eso que los puntos se solapan y se llegan a ver solo 6, pero podemos darnos cuenta que corresponden a diferentes barrios de mendoza, uno aislado en el sur, 4 en el centro y otro en el norte.