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

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

画直方图显示词频重合率

删去没有重复的包

变换数据

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。

对图进行删减，删去连接少的边

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

相关视频

可视化聚类结果