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
复制代码 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$package)
复制代码
删去没有重复的包
- norepeat=which(table(data$package)==1)
- data=data[-as.numeric(norepeat),]
- for(i in names(table(data$package))[index][-1]){
- #找出project名
- data$project[data$package ==i]
复制代码 变换数据
- cordata2=matrix(0,length(unique(data$project)),length(unique(data$package)))
- colnames(cordata2)=unique(data$package)
- rownames(cordata2)=unique(data$project)
复制代码
计算出重复率
画网络图这个是git上的项目,每一个点是一个项目,不同颜色表示不同语言,每个点之间有线连着,表示每个项目的联系,可能是关注人一样,也可能是作者一样 。当把包名打上标签后,有可能不同包名是一个标签,那么就可以画出这种联系图。 - }
- }
- close(f)
- cat(paste(c("Successfully output to ", getwd(), "/", filename, "/n"), collapse=""))
- }
- topajek(events, filename="mypajek.net")
复制代码 对图进行删减,删去连接少的边
- newe = censor.edgeweight(e, floor=0.5); newe
- V(e)$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)$color, edge.width=1,edge.arrow.size=0.08,
复制代码
用网络图可视化所有数据:
以chat为基地:
以email为基地:
Kmeans算法聚类聚类数为3,将数据聚成3个类别 - y$name1=as.numeric(y$name)
复制代码 可视化聚类结果
|