我需要做一个线图,包括:x=一天中的每小时,y=(规范化)那个小时的tweet数,只考虑X个月的tweet,每一行代表一个月。
我的数据格式是这种格式(我有更多的列,但它们与此无关):
id_tweet day month hour minute id_user
550654742654103552 01 01 12 08 174744462
550654753106296832 01 01 12 08 15355832
550654818935910400 01 01 12 08 628822209
550654823667089409 01 01 12 08 283218297
550654824308813824 01 01 12 09 58315346我想知道有多少人在一月、七月或类似的时候发推文。
问题是我的数据有很大的偏差,收集算法发生了变化,我在1~4个月的时间里得到了更多的数据,而其余的数据则更多。我的数据分布如下图所示:

长话短说,我需要对每天每个小时发布的推文进行汇总,除以1月份以来的推文总数。这是图的第1行。
第2行是每天每个小时发布的所有tweet,除以二月以来的tweeted总数,等等。
希望我说的很清楚,我提前感谢所有我能得到的帮助。
发布于 2017-10-26 19:14:00
您可以使用dplyr聚合数据:
library(dplyr)
agg_data = your_data %>%
group_by(month, day, hour) %>%
summarize(n_hour = n()) %>%
group_by(month) %>%
mutate(percent_of_month = n_hour / sum(n_hour))我会把密谋留给你。
https://stackoverflow.com/questions/46961495
复制相似问题