【R图秀-2】社交网络数据可视化（一）

作者简介Introduction

傅兴：个人公众号：Rapp

往期回顾

【R图秀-1】12306列车数据可视化

为了进一步提高自己数据获取的能力，我把目光放到了互联网上一个重要的数据来源：社交网络（Social Network），比如国外的facebook和twitter，以及国内的微博和微信。由于访问facebook和twitter比较困难，我最终选择新浪微博作为分析的对象。

我首先学习的是新浪微博的API，看看有没有更简单的方法获取数据。遗憾的是，如果想通过API获取目标用户的微博，必须首先获得对方的授权。我获取微博数据只是出于学习的目的，并不是要开发基于微博的应用，所以此路不通，果断放弃。我觉得最靠谱的还是用RSelenium写个程序来操作浏览器，自动帮我刷微博。

数据获取的技术问题解决了，下面就需要考虑抓取哪些人的微博。演艺明星是微博上大家比较关注的对象，就先从他们入手吧！我平时很少关注娱乐圈，认识的明星也不多，但是挺喜欢和家人一起看《奔跑吧兄弟》（跑男），所以今天就来分析一下跑男中的明星（邓超，李晨和Angelababy）以及他们的另一半（孙俪，范冰冰和黄晓明）的微博数据。

爬虫代码的主要部分是2个函数：登录函数（weibo_login）和抓取函数（fetch_post）

需要注意的是，目前的抓取函数还不支持人名搜索，所以在抓取某人的微博之前，首先要手动看一下他微博URL上的用户名是什么（用户名的具体位置在weibo.com和？中间），然后用该用户名作为参数调用抓取函数，比如下面的代码：

 在展示微博数据之前，我们必须先想清楚自己想看什么？想回答什么样的问题，比如：

1. 我很想知道明星微博的高频词汇有哪些？夫妻之间会不会有“共同语言”？
2. 我还想了解明星的朋友圈有哪些人，夫妻之间的朋友有多大的交集？

我们可以用词云（word cloud）来展示各个明星的微博中最常出现的词汇（这里只考虑名词，其他词性的词汇都已过滤掉）：

我们可以看到，“电影”是他们微博中出现最频繁的词汇，说明他们利用微博在向粉丝们宣传自己的电影，其次就是和家人朋友相关的词汇。由于时间有限，我没有继续深挖下去。

生成词云的代码如下：

接下来要回答的是第二个问题，如何从明星们的微博中挖掘出他们的社交网络？我首先想到的是微博中@某人的功能，@后面的微博账号和明星之间应该存在某种关联，如果@某人的次数很多，说明两者之间的关系密切（好友或家人）。接下来我们就来看看明星夫妻之间的“朋友圈”是怎样的。

1. 黄晓明和Angelababy：

2. 李晨和范冰冰：

3. 邓超和孙俪（邓超绝对是模范丈夫，@老婆的次数这么多！）

统计@次数的代码如下，为了能看清网络中的节点，我过滤掉了一些低频的@：

下面是网络可视化的代码：

如果你也是某位明星的粉丝，就用R来分析一下他们的微博吧！今天的【社交网络数据可视化】就到这里，欢迎继续关注！

　往期精彩内容整理合集　

2017年R语言发展报告（国内）

R语言中文社区历史文章整理（作者篇）

R语言中文社区历史文章整理（类型篇）

公众号后台回复关键字即可学习

回复 R                  R语言快速入门及数据挖掘 
回复 Kaggle案例  Kaggle十大案例精讲（连载中）
回复 文本挖掘      手把手教你做文本挖掘
回复 可视化          R语言可视化在商务场景中的应用 
回复 大数据         大数据系列免费视频教程 
回复 量化投资      张丹教你如何用R语言量化投资 
回复 用户画像      京东大数据，揭秘用户画像
回复 数据挖掘     常用数据挖掘算法原理解释与应用
回复 机器学习     人工智能系列之机器学习与实践
回复 爬虫            R语言爬虫实战案例分享