全文链接:http://tecdat.cn/?p=31035
我们曾经为一位客户进行了短暂的咨询工作,他在构建一个主要基于安卓包分类的分析应用程序(点击文末“阅读原文”获取完整代码数据)。
数据源是安卓的项目,把同一类功能的安卓代码的头部,每一个文件都有import 包名。把所有import的包名都抓了下来存到了mysql, 这是数据源 , 需要用r分析这些包名。
用r给这些包做统计,同名的包有多少,占百分之多少,做可视化图,打标签。
这个项目的目的是,比如一类功能是发email的app,每一个项目里java文件头部都有引用的包名,通过把所有的包名一分析,发现80%的项目里面都有同一个包,那么就认为这个包的功能就是email , 然后再通过标签关联java文件 。
导入数据
channel <- odbcConnect("test", uid="root", pwd="123"); sqlTables(channel);#查看数据中的表 data<-sqlFetch(channel,"test")# 查看表的内容,存到数据框里
画直方图显示词频重合率
#做出百分比统计直方图 barplot(table(data$package)/sum(table(data$package))) # 一共多少包 unique(data$package)
点击标题查阅往期内容
【视频】复杂网络分析CNA简介与R语言对婚礼数据聚类社区检测和可视化|数据分享
左右滑动查看更多
01
02
03
04
删去没有重复的包
norepeat=which(table(data$package)==1) data=data[-as.numeric(norepeat),] for(i in names(table(data$package))[index][-1]){ #找出project名 data$project[data$package ==i]
变换数据
cordata2=matrix(0,length(unique(data$project)),length(unique(data$package))) colnames(cordata2)=unique(data$package) rownames(cordata2)=unique(data$project)
计算出重复率
画网络图
这个是git上的项目,每一个点是一个项目,不同颜色表示不同语言,每个点之间有线连着,表示每个项目的联系,可能是关注人一样,也可能是作者一样 。当把包名打上标签后,有可能不同包名是一个标签,那么就可以画出这种联系图。
} } close(f) cat(paste(c("Successfully output to ", getwd(), "/", filename, "/n"), collapse="")) } topajek(events, filename="mypajek.net")
对图进行删减,删去连接少的边
newe = censor.edgeweight(e, floor=0.5); newe
V(e)$color = rainbow(max(V(e)$sg),alpha=0.8)[V(e)$sg] plot(newe,layout=layout.fruchterman.reingold, vertex.size=5, vertex.color=V(e)$color, edge.width=1,edge.arrow.size=0.08,
用网络图可视化
所有数据:
以chat为基地:
以email为基地:
相关视频
Kmeans算法聚类
聚类数为3,将数据聚成3个类别
y$name1=as.numeric(y$name)
相关视频
可视化聚类结果