Instantly share code, notes, and snippets.

@dubsnipe /fm.R
Last active May 20, 2018

Embed
What would you like to do?
Código para obtener playlists desde un grupo de Facebook y metadatos desde YouTube.
list.of.packages <- c("ggplot2", "devtools")
new.packages <- list.of.packages[!(list.of.packages %in% installed.packages()[,"Package"])]
if(length(new.packages)) install.packages(new.packages)
library(devtools)
install_github("pablobarbera/Rfacebook/Rfacebook", force=T)
require (Rfacebook)
# http://thinktostart.com/analyzing-facebook-with-r/
# https://github.com/pablobarbera/Rfacebook/issues/180
token <- '' # Se obtuvo un token de la API de Facebook: https://developers.facebook.com/tools/accesstoken/
fm <- getGroup("280420788956517", token=token, n=20000) # 280420788956517 es la id del grupo de FM.
write.csv(fm,file="fm.csv")
# Facebook dejó de permitir obtener información de los usuarios en algunos casos,
# por lo que no vamos a tener estadísticas sobre las personas que publicamos en FM.
require(dplyr)
require(stringr)
require(lubridate)
# Transformaciones
tbl_fm <- tbl_df(fm)
tbl_fm <- tbl_fm %>% filter(!is.na(link))
tbl_fm <- tbl_fm %>% mutate(parsed_created_time=as.POSIXct(as_datetime(strptime(tbl_fm$created_time,format="%Y-%m-%dT%H:%M:%S+0000"))))
tbl_fm <- tbl_fm %>% select(message,parsed_created_time,type,link,likes_count,comments_count,shares_count)
messages <- tbl_fm$message
# Ahora a extraer los hashtags separados por espacios
hashtags <- unlist(lapply(messages,function(x)
paste(unlist(str_extract_all(x,
pattern="#[A-zÀ-ú]+")),collapse = ' ')))
hashtags <- sub("^NA$",NA,hashtags)
# Por alguna razón algunos de los registros vacíos aparecen como strings: "NA". Acá se corrigen:
hashtags[hashtags==""] <- NA
tbl_fm$hashtags <- hashtags
hashtags <- tolower(hashtags)
# Se usó la siguiente función para extraer la id de los vídeos de YouTube. Basado en la siguiente solución:
# https://stackoverflow.com/questions/45441896/extract-youtube-video-id-from-url-with-r-stringr-regex
#
# get_id = function(link) {
# if(stringr::str_detect(link, 'youtu')){
# if (stringr::str_detect(link, '/watch\\?')) {
# rgx = '(?<=\\?v=|&v=)[\\w\\-]+'
# } else if (stringr::str_detect(link, '/attribution_link\\?')) {
# rgx = '(?<=\\?a=|&a=)[\\w\\-]+'
# } else {
# rgx = '(?<=/)[\\w\\-]+/?(?:$|\\?)'
# }
# stringr::str_extract(link, rgx)
# } else{
# rgx = NA
# }
# }
ids = unlist(unname(sapply(tbl_fm$link, get_id)))
tbl_fm$video_id <- ids
require(tuber)
yt_oauth("1084546947308-raosrb1ihsohk6jimd3588c192842v6h.apps.googleusercontent.com","cuUNOsAR3VBqzq6zXZJC0fhA",token=".httr-oauth2")
rm(video_data)
video_data <- lapply(ids,function(x)
tryCatch(get_video_details(x),
warning=function(w) NA,
error=function(e) NA)
)
video_titles <- vector()
for (i in 1:length(video_data)){
if (length(video_data[[i]])==1 && is.na(video_data[[i]])){
video_titles <- c(video_titles,NA)
} else {
video_titles <- c(video_titles,video_data[[i]]$items[[1]]$snippet$localized$title)
}
}
tbl_fm$video_titles <- video_titles
# Nueva iteración
yt_fm <- tbl_fm
yt_fm <- yt_fm %>%
filter(!is.na(video_titles)) %>%
mutate(youtube_link=paste0("https://www.youtube.com/watch?v=",video_id)) %>%
select(parsed_created_time,hashtags,video_id,video_titles,likes_count,comments_count,link)
# https://www.rdocumentation.org/packages/tidyr/versions/0.8.0/topics/separate_rows
# Separé los hashtags en observaciones separadas para poder organizar.
require(tidyr)
yt_fm_sep <- yt_fm %>% separate_rows(hashtags,sep=" ")
# Ranking de hashtags más importantes. Voy a tomar los 60 más usados.
cuenta_hashtags <- yt_fm_sep %>%
group_by(hashtags) %>%
summarize(count=n()) %>%
arrange(desc(count))
hashtags_populares <- head(cuenta_hashtags,60)
videos_populares <- tbl_df(merge(hashtags_populares,yt_fm_sep,by="hashtags"))
videos_populares <- videos_populares %>%
mutate(hashtags = tolower(hashtags)) %>%
group_by(hashtags) %>%
mutate(numero = row_number()) %>%
mutate(playlist = paste0(hashtags,ceiling(numero/50)))
#Este es hashtags populares pero con el listado nuevo de los playlists
playlists <- unique(videos_populares$playlist)
e <- lapply(playlists,function(x) paste(videos_populares[videos_populares$playlist==x,]$video_id))
l <- tbl_df(cbind(playlists,unlist(lapply(e, function(x) paste(x[which(x!="NA")],collapse=",")))))
l <- tbl_df(l)
colnames(l) <- c("hashtag","ids")
# Acá se generan las listas de YouTube según la estructura de las url, usando las id de los vídeos.
# Basado en esta solución: https://webapps.stackexchange.com/questions/72787/how-to-create-a-youtube-playlist-from-a-list-of-links
l <- l %>% mutate(url=paste0("http://www.youtube.com/watch_videos?video_ids=",ids))
# Generé un archivo csv. Este se convirtió en una tabla HTML: http://www.convertcsv.com/csv-to-html.htm
write.csv(l,"playlists2.csv")
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment