Uraz's R Blog: Twitter Verilerini Kullanarak Liderlerin Popülaritesini Ölçmek

Twitter geliştirici hesabı açmadan rtweet paketi ile belli sınırlarda veriler çekilebilir ve kısa vadeli analizler gerçekleştirilebilir. Bunun nasıl olabileceğini görelim.

Uygulamada, isim ve gündem olarak ön plana çıkmış bazı politik liderlerin tweetlerini çekip zamanla popülaritelerinde nasıl bir değişim olmuş bunu inceleyeceğiz.

Popülariteyi ölçmek için birtakım indikatörleri bir araya getirmemiz gerekir ancak bu uygulamada tek bir indikatör olarak tweetlerine gelen beğeni sayılarını alacağız.

#install.packages("rtweet")
library(rtweet)
library(tidyverse)

Başlamadan önce bir not: rtweet paketinin fonksiyonlarını kullanmaya başladığınız zaman karşınıza bir authentication (kimlik doğrulama) sayfası gelecektir. Bu noktada giriş yapmanız yeterli olacaktır. Giriş yaptıktan sonra authentication gerçekleşmiş olacaktır.

Aşağıdaki liderlerin tweetlerini çekerek başlayalım.

leaders <- c(
  "RTErdogan",
  "kilicdarogluk",
  "meral_aksener",
  "ekrem_imamoglu",
  "mansuryavas06",
  "umitozdag",
  "alibabacan",
  "Ahmet_Davutoglu"
)

rtweet paketindeki get_timeline() fonksiyonu ile bir hesabın tweetlerini diğer tüm detayları ile birlikte çekebiliriz. Dokümantasyonda yer alan bilgiye göre maksimum 3200 tweet çekebiliyoruz.

https://www.rdocumentation.org/packages/rtweet/versions/0.7.0/topics/get_timeline

master <- data.frame()

for(i in 1:length(leaders)){
  
  user_tl <- get_timeline(
    user = leaders[i],
    n = Inf, # alınabilecek maksimum tweet sayısıdır; girilmezse default 100 tane çeker
  )
  
  # her bir hesabın çekilen tweetlerini (user_tl) master veri çerçevesinde birleştir
  master <- master %>% 
    bind_rows(user_tl)
  
  Sys.sleep(time = 1) # döngü her çalıştığında 1 saniye bekletebiliriz
  # sık gönderilen isteklerde problem olmaması için kullanılabilecek bir fonksiyon
  
}

Veri çerçevesini biraz düzenleyelim.

df <- master %>% 
  filter(!is_retweet) %>% # retweetler kaldırıldı
  select(created_at,name,favorite_count) %>% # 3 adet kolon seçildi
  mutate(created_at = as.Date(created_at)) # tarih formatı düzeltildi (sadece yyyy-mm-dd)

Her bir liderin 2022 yılında attığı toplam tweet ve beğeni sayısına bakalım.

df2022 <- df %>% 
  filter(created_at >= as.Date("2022-01-01")) %>% 
  group_by(name) %>% 
  summarise(
    n = n(), # toplam tweet sayısı
    totalFav = sum(favorite_count) # toplam beğeni sayısı
  )

Bir de 2022 yılına ait tweet başına düşen beğeni sayısına bakalım.

df2022 <- df2022 %>% 
  mutate(lpt = totalFav / n) # lpt: like per tweet (tweet başına beğeni)

ggplot(df2022, aes(x = reorder(name,lpt), y = lpt, fill = lpt)) +
  geom_col() +
  coord_flip() +
  theme_minimal() +
  theme(legend.position = "none") +
  scale_y_continuous(labels = scales::comma) +
  scale_fill_gradient(low = "orange", high = "red") +
  labs(x = "", y = "Tweet Başına Beğeni Sayısı")

2022 yılına ait günlük bazda popülaritenin zaman ile olan eğilimine bakabiliriz.

df_pop <- df %>% 
  filter(created_at >= as.Date("2022-01-01")) %>% 
  group_by(name,created_at) %>% 
  summarise(
    n = n(),
    totalFav = sum(favorite_count)
  ) %>% 
  mutate(lpt = totalFav / n) %>% 
  group_by(name) %>% 
  mutate(t = row_number()) # t: gözlem sayısı

ggplot(df_pop, aes(x = t, y = lpt)) +
  geom_line(color = "gray") +
  geom_point(color = "gray40") +
  geom_smooth(method = "loess", color = "red") +
  facet_wrap(~name, scales = "free") +
  theme_minimal() +
  theme(axis.title = element_blank(),
        axis.text.y = element_text(size = 7),
        axis.text.x = element_blank(),
        plot.title = element_text(face = "bold"),
        plot.subtitle = element_text(face = "italic")) +
  scale_y_continuous(labels = scales::unit_format(unit = "K", scale = 1e-3, sep = "")) +
  labs(title = "Günlük Tweet Başına Beğeni Sayısı, 2022",
       subtitle = "Günlük Toplam Beğeni / Günlük Toplam Tweet")