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

1. channel <- odbcConnect("test", uid="root", pwd="123");
   
2. 
   
3. sqlTables(channel);#查看数据中的表
   
4. 
   
5. data<-sqlFetch(channel,"test")# 查看表的内容，存到数据框里

复制代码

画直方图显示词频重合率

1. #做出百分比统计直方图
   
2. 
   
3. barplot(table(data$package)/sum(table(data$package)))
   
4. 
   
5. 
   
6. # 一共多少包
   
7. 
   
8. unique(data$package)

复制代码

删去没有重复的包

1. 
   
2. norepeat=which(table(data$package)==1)
   
3. 
   
4. data=data[-as.numeric(norepeat),]
   
5. 
   
6. 
   
7. 
   
8. for(i in names(table(data$package))[index][-1]){
   
9.   #找出project名
   
10.   data$project[data$package ==i]

复制代码

变换数据

1. cordata2=matrix(0,length(unique(data$project)),length(unique(data$package)))
   
2. colnames(cordata2)=unique(data$package)
   
3. rownames(cordata2)=unique(data$project)

复制代码

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。

1.    }
   
2.   }
   
3.   close(f)
   
4.   cat(paste(c("Successfully output to ", getwd(), "/", filename, "/n"), collapse=""))
   
5. }
   
6. 
   
7. topajek(events, filename="mypajek.net")

复制代码

对图进行删减，删去连接少的边

1. newe = censor.edgeweight(e, floor=0.5); newe
   
2. V(e)$color = rainbow(max(V(e)$sg),alpha=0.8)[V(e)$sg]
   
3. plot(newe,layout=layout.fruchterman.reingold, vertex.size=5,
   
4.      vertex.color=V(e)$color, edge.width=1,edge.arrow.size=0.08,

复制代码

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

1. y$name1=as.numeric(y$name)

复制代码

可视化聚类结果

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

1. channel <- odbcConnect("test", uid="root", pwd="123");
   
2. 
   
3. sqlTables(channel);#查看数据中的表
   
4. 
   
5. data<-sqlFetch(channel,"test")# 查看表的内容，存到数据框里

复制代码

画直方图显示词频重合率

1. #做出百分比统计直方图
   
2. 
   
3. barplot(table(data$package)/sum(table(data$package)))
   
4. 
   
5. 
   
6. # 一共多少包
   
7. 
   
8. unique(data$package)

复制代码

删去没有重复的包

1. 
   
2. norepeat=which(table(data$package)==1)
   
3. 
   
4. data=data[-as.numeric(norepeat),]
   
5. 
   
6. 
   
7. 
   
8. for(i in names(table(data$package))[index][-1]){
   
9.   #找出project名
   
10.   data$project[data$package ==i]

复制代码

变换数据

1. cordata2=matrix(0,length(unique(data$project)),length(unique(data$package)))
   
2. colnames(cordata2)=unique(data$package)
   
3. rownames(cordata2)=unique(data$project)

复制代码

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。

1.    }
   
2.   }
   
3.   close(f)
   
4.   cat(paste(c("Successfully output to ", getwd(), "/", filename, "/n"), collapse=""))
   
5. }
   
6. 
   
7. topajek(events, filename="mypajek.net")

复制代码

对图进行删减，删去连接少的边

1. newe = censor.edgeweight(e, floor=0.5); newe
   
2. V(e)$color = rainbow(max(V(e)$sg),alpha=0.8)[V(e)$sg]
   
3. plot(newe,layout=layout.fruchterman.reingold, vertex.size=5,
   
4.      vertex.color=V(e)$color, edge.width=1,edge.arrow.size=0.08,

复制代码

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

1. y$name1=as.numeric(y$name)

复制代码

可视化聚类结果