R语言对git安卓包分类统计、聚类、复杂网络可视化分析

2024-04-28 15

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： R语言对git安卓包分类统计、聚类、复杂网络可视化分析

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

`Y2K7]~HM]E2E0X1F[TF5Q3.png

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)

5R{(0[H8[NT`(]537FZ8BAL.png

点击标题查阅往期内容

F2O{5I`S3WO{{V(WGJ95(7T.png

【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

JIU323V_I@~FOS]GKTQWI%S.png

N]TRCL_Y}4HLD2%(BJESPSJ.png

$J]R63G{7UBS]0C_E2TUIMPY.png$

3J~XO0Z94F}_I96HOKEKDDI.png

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

L0UU56EUHER(]IJ]R95_BGF.png

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,