Les données sur la classe politique semblant toujours trouver preneur, voici un encart publicitaire pour un jeu de données contenant les comptes Twitter de 339 députés de la législature en cours :
J’ai récolté les données pour illustrer une fonction qui sert à visualiser des données de type “réseau” avec ggplot2 (note : plus de détails sur le code ici). Voici quelques compléments sur les données :
- Le “gris central” est Jacques Bompard, mais il est central au réseau malgré lui : il est là à cause des députés qu’il suit ou qui le suivent, et qui l’attirent au centre. Voir ci-dessous pour les détails.
- L’anomalie “rose chez les bleus” est Kheira Bouziane, dont le compte Twitter est à présent fermé et le site Internet en reconstruction. Je n’ai aucune explication. Il ne faut pas surlire les données.
- La “rose très excentrée” est Pascale Boistard. Il y a aussi ce député UMP qui m’a fait rigoler : plein de gens le suivent, mais lui ne suit absolument personne. Il n’apparaît pas dans le graphique.
Si vous souhaitez explorer le réseau, voici une rapide fonction “qui est suivi par qui” :
who.is.followed.by <- function(df, x) { f = df[which(df$Source == x), ]$Target print(as.character(f)) print(table(ids$Groupe[which(ids$Twitter %in% f)])) }
Amusez-vous bien :
who.is.followed.by(df, "JacquesBompard") who.is.followed.by(df, "Marion_M_Le_Pen")
Exercice : rédiger la fonction inverse who.follows()
(qui, comme celle ci-dessus, peut s’écrire en une ligne).
Notes de construction : les données sont un mashup entre les données du site Tweet Député (qui est bourré d’erreurs et de fautes d’orthographe), celles réunies par le Lab Europe 1 lors de la campagne électorale de juin 2012 (avec beaucoup de comptes de campagne plus ou moins temporaires et les députés devenus ministres), celles du compte Twitter de l’Assemblée nationale, et le fichier sur les députés en mandat du site Nos Députés, établi par Regards Citoyens avant les partielles de décembre 2012. Le scraping des comptes a eu lieu au cours des quatre dernières semaines.
Envoyez vos corrections, et allez voir d’autres travaux similaires chez Arthur Charpentier, qui avait relayé une visualisation des données de juin 2012 avec Gephi par Ewen Gallic, chez Jonathan Chibois, qui travaille sur ces données en conservant une perspective longitudinale, ou chez Baptiste Coulmont, qui m’a inspiré ce graphique.
Rajout #1 : j’avais oublié de citer la visualisation d’Ewen Gallic, c’est fait. Par ailleurs, j’ai tenté de rendre les données de mon graphique disponibles en deux fichiers “nodes/edges” pour Gephi : le résultat est là (pour autant de temps que possible), et inclut aussi un fichier GEXF exporté avec le package rgexf. Je n’ai pas réussi à utiliser ces fichiers correctement avec Gephi 0.82, que je connais très mal. Have fun!
Rajout #2 : si vous vous demandez comment analyser ce genre de réseau, jetez un coup d’oeil à ce qui a été fait sur les meilleurs tennismen mondiaux.
Merci beaucoup pour tout ça, pour les données nettoyées, pour la fonction et pour les morceaux de codes. C’est plutôt une bonne idée de rassembler tout au même endroit. :)
D’ailleurs, si jamais je peux me permettre une remarque, peut-être faudrait-il ici insister davantage sur les critères (et les étapes) qui t’ont permis de parvenir à 339 comptes… je crois que ce sont des informations importantes si effectivement l’idée est de mettre à disposition ces données pour réutilisation.
J’ai mis l’essentiel dans la note de construction. Les seules décisions difficiles à reproduire sont les choix de comptes quand il y en a plusieurs : j’ai favorisé les comptes les plus récemment mis à jour (càd. jamais les comptes “député2012”).