갈루아의 반서재

728x90

앞의 예제를 응용하여 특정 두 지역의 공통된 트렌드 찾기


본 예제에 사용된 교집합(intersection)외에 집합에 대한 연산은 아래 링크 참조

https://docs.python.org/3/library/stdtypes.html#set


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
from django.shortcuts import render_to_response, render, redirect
import twitter
 
def get_twitter_trends(request):
 
    CONSUMER_KEY = '*****************'
    CONSUMER_SECRET =  '*****************'
    OAUTH_TOKEN =  '*****************'
    OAUTH_TOKEN_SECRET =  '*****************'
    auth = twitter.oauth.OAuth(OAUTH_TOKEN, OAUTH_TOKEN_SECRET,  CONSUMER_KEY, CONSUMER_SECRET)
    twitter_api = twitter.Twitter(auth=auth)
 
    WORLD_WOE_ID = 1
    US_WOE_ID = 23424977
    
    world_trends = twitter_api.trends.place(_id=WORLD_WOE_ID)
    us_trends = twitter_api.trends.place(_id=US_WOE_ID)
     
    world_trends_set = set ([trend['name'for trend in world_trends[0]['trends']])
    us_trends_set = set ([trend['name'for trend in us_trends[0]['trends']])
    common_trends_set = world_trends_set.intersection(us_trends_set)
    
    return render(request, 'blog/resource_crawl_twitter_trends.html', {
            'twitter_api': twitter_api,
            'world_trends_set': world_trends_set,
            'us_trends_set' : us_trends_set,
            'common_trends_set' : common_trends_set,
        })
cs



구현된 모습이다. 하단의 common trends 에서 world trends 와 US trends 의 공통된 부분만 뽑아내고 있다.



※ 본 포스팅은 아래 도서의 소스를 참고하여 학습목적으로 작성되었습니다.

소셜 웹 마이닝
국내도서
저자 : 매튜 러셀(Matthew A. Russell) / 김상정역
출판 : 비제이퍼블릭 2015.02.25
상세보기


728x90