我製作了一個包含 60,000 條推文的文件，其中提到了“夏威夷”和“Covid”。
如果我使用“行選擇”命令通過 Tweet.id（可能是唯一的數字）識別重複項，我會得到大約 23,000 個推定的重複項。 這是一個片段：
很明顯，根據作者 ID 以及最重要的文本判斷，在相同 tweets.id 下分組的記錄不是相同的記錄。在使用 jstor 應用程序讀取時，我將所有 ID 變量存儲為文本。
是否可以想像身份證號碼已被截斷？推文 ID 可能部分是根據時間戳構建的，因此它們不太可能是連續的數字。
也許這個： https://developer.twitter.com/en/docs/twitter-ids
如果將 ID 保存在數字變量中，您將丟失一些 64 位整數數據，因為雙精度數中只有約 53 位小數。
