Граф телеграм-каналов по теме аналитики
🌎🌍🌏
Авторы самых разных блогов в телеграме часто публикуют подборки любимых каналов, которыми они хотят поделиться со своей аудиторией. Идея, конечно, не новая, но автор решил не просто составить рейтинг интересных аналитических телеграм-блогов, а решить эту задачу аналитически.
В рамках текущего курса учебы автор изучает много современных подходов к анализу и визуализации данных. В самом начале курса было разминочное упражнение: объектно-ориентированное программирование на Python для сбора и итеративного построения графа с TMDB API. В задаче этот метод применяется для построения графа связи актеров, где связь — игра в одном и том же фильме. Но автор решил, что можно применить его и к другой задаче: построению графа связей аналитического сообщества.
Основной задачей был сбор всех текстов с телеграм-канала Интернет-аналитика, выделение каналов, на которые ссылался Алексей Никушин, сбор текстов из этих телеграм-каналов и ссылок на этих каналах. Под “ссылкой” подразумевается любое упоминание канала: через @, через ссылку или репостом. В результате парсинга получилось два файла: nodes и edges. Далее на основе полученных данных был построен граф.
В результате топ-10 каналов по показателю degree (количество связей) выглядит так:
✨ Интернет-аналитика @internetanalytics
✨ Reveal The Data @revealthedata
✨ Инжиниринг Данных @rockyourdata
✨ Data Events @data_events
✨ Datalytics @datalytx
✨ Чартомойка @chartomojka
✨ LEFT JOIN @leftjoin
✨ Epic Growth @epicgrowth_chat
✨ RTD: ссылки и репосты @rtdlinks
✨ Дашбордец @dashboardets
🍀
Graph >>>[2]
Source >>>[3]
Original >>>[4]
#analytics #datascience #tgchannel #tools #visualization
_______
Источник | #insightstream
🌎🌍🌏
Авторы самых разных блогов в телеграме часто публикуют подборки любимых каналов, которыми они хотят поделиться со своей аудиторией. Идея, конечно, не новая, но автор решил не просто составить рейтинг интересных аналитических телеграм-блогов, а решить эту задачу аналитически.
В рамках текущего курса учебы автор изучает много современных подходов к анализу и визуализации данных. В самом начале курса было разминочное упражнение: объектно-ориентированное программирование на Python для сбора и итеративного построения графа с TMDB API. В задаче этот метод применяется для построения графа связи актеров, где связь — игра в одном и том же фильме. Но автор решил, что можно применить его и к другой задаче: построению графа связей аналитического сообщества.
Основной задачей был сбор всех текстов с телеграм-канала Интернет-аналитика, выделение каналов, на которые ссылался Алексей Никушин, сбор текстов из этих телеграм-каналов и ссылок на этих каналах. Под “ссылкой” подразумевается любое упоминание канала: через @, через ссылку или репостом. В результате парсинга получилось два файла: nodes и edges. Далее на основе полученных данных был построен граф.
В результате топ-10 каналов по показателю degree (количество связей) выглядит так:
✨ Интернет-аналитика @internetanalytics
✨ Reveal The Data @revealthedata
✨ Инжиниринг Данных @rockyourdata
✨ Data Events @data_events
✨ Datalytics @datalytx
✨ Чартомойка @chartomojka
✨ LEFT JOIN @leftjoin
✨ Epic Growth @epicgrowth_chat
✨ RTD: ссылки и репосты @rtdlinks
✨ Дашбордец @dashboardets
🍀
Graph >>>[2]
Source >>>[3]
Original >>>[4]
#analytics #datascience #tgchannel #tools #visualization
_______
Источник | #insightstream
