《数据科学:R语言实现》——2.8 获取Facebook数据

简介:

本节书摘来自华章出版社《数据科学:R语言实现》一 书中的第2章,第2.8节,作者:R for Data Science Cookbook 丘祐玮(David Chiu),更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.8 获取Facebook数据

社交网络数据对于发掘和分析社会交互的用户来说,是另一个很好的数据源。社交网络数据与网站数据的主要不同是,社交网络通常提供了半结构化的数据格式(大部分是JSON)。因此,我们可以轻松地访问到数据,而不需要关注数据是如何结构化的。在本教程中,我们会介绍如何使用rvest和rson来读取和解析Facebook的数据。
准备工作
在本教程中,你需要给开发环境安装R,同时确保计算机可以访问互联网。
实现步骤
执行下列步骤,访问Facebook数据。
1.首先,我们需要登入Facebook,访问开发者页面(https://developers.facebook.com/),如图18所示。
screenshot

3.然后,单击Get Token,选择Get Access Token,如图20所示。

screenshot

4.在User Data Permissions面板中,选择user_tagged_places,并单击Get Access Token,如图21所示。

screenshot

5.复制生成的请求令牌到剪贴板,如图22所示。

screenshot

6.尝试使用rvest访问Facebook API:
screenshot

运行原理
在本教程中,我们介绍了如何通过Facebook的图形API获取社交网络数据。与网页爬取不同,在发出任何内部数据请求之前,你需要获取Facebook的访问令牌。有两种获取访问令牌的方式:一个是使用Facebook的图形API探索器,另一个是创建Facebook应用。在本教程中,我们介绍了如何使用Facebook的图形API探索器获取访问令牌。
Facebook的图形API探索器可以代替用户创建请求URL访问Facebook数据。为了访问探索器页面,我们首先访问Facebook的开发者页面(https://developers.facebook.com/ )。图形API探索器页面位于Tools & Support的下拉菜单中。来到探索器页面后,我们从Get Token的下拉菜单中选取Get Access Token。然后,会出现一个表格窗口,你可以查看有关应用的各个级别的访问许可。例如,我们可以查看tagged_places来访问之前标记的位置。选好所需的许可后,我们可以单击Get Access Token运行图形API探索器访问我们的内部数据。完成这些步骤之后,你可以看到一个访问令牌,它是一个临时的、短期有效的、允许访问Facebook API的令牌。
借助访问令牌,我们可以使用R访问Facebook API。首先,我们需要一个HTTP请求程序包。类似于网页爬取教程,我们使用rvest程序包生成请求。我们创建一个请求URL,同时带有Facebook API的access_token(从图形API探索器复制得到)。我们应该从响应输出获取到JSON格式化的数据。要读取JSON格式化数据的属性,我们安装加载了RJSON程序包。我们可以使用函数fromJSON读取来自响应的JSON格式字符串。
最后,我们使用函数sapply读取地点和ID信息,然后我们使用数据框转换抽取的信息。在教程结尾,我们应该可以看到数据框格式的数据。
更多技能
要更多了解图形API,可以阅读下列Facebook官方文档:https://developers.facebook.com/docs/reference/api/field_expansion/
1.首先,我们需要安装加载Rfacebook程序包:

2.然后,我们通过提供的访问令牌,使用内置函数获取用户数据或者访问类似的信息:

如果你不希望每次都登入Facebook,就可以爬取公开粉丝网页,你可以创建一个Facebook应用来访问内部数据。
1.要创建一个授权的应用令牌,登入Facebook开发者页面,单击Add a New App,如图23所示。

screenshot

2.你可以创建一个新的Facebook应用,只要没有被注册过即可,可以带有名称和合法的e-mail ID,如图24所示。
3.然后,你可以复制应用ID和密钥,并创建访问令牌给|,如图25所示。现在你可以使用这个令牌,通过图形API爬取公开粉丝页面信息了:
4.与Rfacebook类似,我们可以把access_token替换成|:
screenshot

相关文章
|
3月前
|
数据采集 机器学习/深度学习 数据可视化
R语言从数据到决策:R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入,从数据收集、预处理、分析到预测模型构建和决策支持,R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用,我们可以更好地利用数据驱动企业决策,提升企业的竞争力和盈利能力。未来,随着大数据和人工智能技术的不断发展,R语言在商业分析领域的应用将更加广泛和深入,为企业带来更多的机遇和挑战。
|
4月前
|
存储 数据采集 数据处理
R语言数据变换:使用tidyr包进行高效数据整形的探索
【8月更文挑战第29天】`tidyr`包为R语言的数据整形提供了强大的工具。通过`pivot_longer()`、`pivot_wider()`、`separate()`和`unite()`等函数,我们可以轻松地将数据从一种格式转换为另一种格式,以满足不同的分析需求。掌握这些函数的使用,将大大提高我们处理和分析数据的效率。
|
3月前
R语言基于表格文件的数据绘制具有多个系列的柱状图与直方图
【9月更文挑战第9天】在R语言中,利用`ggplot2`包可绘制多系列柱状图与直方图。首先读取数据文件`data.csv`,加载`ggplot2`包后,使用`ggplot`函数指定轴与填充颜色,并通过`geom_bar`或`geom_histogram`绘图。参数如`stat`, `position`, `alpha`等可根据需要调整,实现不同系列的图表展示。
|
3月前
|
数据采集 数据可视化 数据挖掘
R语言在金融数据分析中的深度应用:探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果,R语言能够帮助金融机构深入挖掘数据价值,洞察市场动态。未来,随着金融数据的不断积累和技术的不断进步,R语言在金融数据分析中的应用将更加广泛和深入。
|
4月前
|
数据采集 机器学习/深度学习 数据挖掘
R语言数据清洗:高效处理缺失值与重复数据的策略
【8月更文挑战第29天】处理缺失值和重复数据是数据清洗中的基础而重要的步骤。在R语言中,我们拥有多种工具和方法来有效地应对这些问题。通过识别、删除或插补缺失值,以及删除重复数据,我们可以提高数据集的质量和可靠性,为后续的数据分析和建模工作打下坚实的基础。 需要注意的是,处理缺失值和重复数据时,我们应根据实际情况和数据特性选择合适的方法,并在处理过程中保持谨慎,以避免引入新的偏差或错误。
|
4月前
|
数据处理
R语言数据合并:掌握`merge`与`dplyr`中`join`的巧妙技巧
【8月更文挑战第29天】如果你已经在使用`dplyr`进行数据处理,那么推荐使用`dplyr::join`进行数据合并,因为它与`dplyr`的其他函数(如`filter()`、`select()`、`mutate()`等)无缝集成,能够提供更加流畅和一致的数据处理体验。如果你的代码中尚未使用`dplyr`,但想要尝试,那么`dplyr::join`将是一个很好的起点。
|
4月前
|
数据采集 存储 数据可视化
R语言时间序列分析:处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具,为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化,R语言都提供了灵活且强大的解决方案。然而,时间序列数据的处理和分析是一个复杂的过程,需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
|
2月前
|
数据挖掘 C语言 C++
R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。
【10月更文挑战第21天】时间序列分析是一种重要的数据分析方法,广泛应用于经济学、金融学、气象学、生态学等领域。R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。本文将介绍使用R语言进行时间序列分析的基本概念、方法和实例,帮助读者掌握R语言在时间序列分析中的应用。
58 3
|
7月前
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
|
7月前
|
机器学习/深度学习 数据可视化
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为2
R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为