R语言对git安卓包分类统计、聚类、复杂网络可视化分析
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$package)
删去没有重复的包
norepeat=which(table(data$package)==1)
data=data[-as.numeric(norepeat),]
for(i in names(table(data$package))[-1]){
#找出project名
data$project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)
plot(newe,layout=layout.fruchterman.reingold, vertex.size=5,
vertex.color=V(e)$color, edge.width=1,edge.arrow.size=0.08,
用网络图可视化所有数据：
以chat为基地：
以email为基地：
Kmeans算法聚类聚类数为3，将数据聚成3个类别y$name1=as.numeric(y$name)可视化聚类结果
页:
[1]