Stock Data

在本文中，我将展示为什么数据分析具有相关性，以及如何基于对 Frankwatching 作者推文的分析来应用转发网络。我从 Frankwatching 的编辑那里收到了一份包含 342 个 Twitter 账户的列表。然后，我使用 Buzzcapture 数据来查看哪些帐户被这些作者转发最多。

此数据可视化中包含至少五个不同 Frankwatching 作者转发的每个帐户。

可以点击各种点的交互式地图当然看起来很有趣，但是这种可视化实际上教了什么？ Frankwatching 作者转发某个帐户的次数越多，该帐户在网络中的地位就越高。毫不奇怪，@Frankwatching的 Twitter 帐户转发次数最多。

周围的点更有趣。在较小程度上，Frankwatching 的作者还转发了Marketingfacts和Dutch Cowboys的文章。这些是 Frankwatching 作者经常转发的其他帐户，并且明显与他们相关的帖子出现在这些帐户上。

格菲
Gephi工具通过算法确定帐户在地图上的位置。从广义上讲，这意味玻利维亚电报数据 着经常互相转发或由同一类型帐户转发的帐户在可视化中放置得更近。