Twitter Analytics

调查LSE部门在Twitter上的数字存在

概述和动力

鉴于大多数事件在Covid-19期间如何在线移动，因此拥有强大的数字形象对于组织来说是一个巨大的优势。因此，我想在这个项目中回答的主要问题是，LSE的哪些部门具有最强的数字形象，以及Twitter是否是值得考虑的社交媒体平台。这是ST115的学术项目。

描述

对于此项目，数据集本身是从Twitter帐户本身使用API​​调用得出的。大多数代码都涉及提取推文，清理它们以及使用TextBlob对推文的观点进行分类。创建数据集后，我使用NetworkX，Seaborn和Matplotlib等软件包分析了数据。

如何运行

• 确保您在Python上安装了以下软件包：Pandas，Numpy，Seaborn，Matplotlib，BeautifulSoup，请求，JSON，TextBlob和NetworkX。
• 确保您有一个带有访问权限的Twitter开发人员帐户
• 使用您自己的访问令牌更新keys.json文件
• 首先运行数据收集代码
• 最后，运行主代码

改进

• 分析非公共指标（由于我的Twitter开发人员帐户访问而无法使用）
• 多年来分析推文，而不是最后100条推文
• 将分析与其他社交媒体平台（例如Facebook和Instagram）进行比较
• 将分析与Twitter上的其他大学系进行比较
• API通话的效率

结论

我在Twitter上了解了很多有关API电话的知识，但是现在我将研究使代码更有效的可能性。我将尝试找到一种循环通过API呼叫的方法，而无需更高的开发者帐户访问。但是，如果我使用较高的访问权限，则使用不公开的指标（例如印象计数和个人资料视图）将极大地帮助这一分析。

参考

1. Twitter API
2. NetworkX图
3. 情感分析
4. TextBlob
5. 社交媒体分析
6. 海洋文档