使用R语言挖掘QQ群聊天记录

现在时间和发言人信息都读到 data 的 time 和 id 中了，可以确认下提取内容：data、data id、datatime。

还没完，时间还是字符串，还需要继续处理：

 数据整理 将字符串中的日期和时间划分为不同变量

temp1 <- str_split(data$time,0); line-height: 1.5 !important;">' ')
result1 <- ldply(temp1,.fun=NULL)
names(result1) <- c(date',0); line-height: 1.5 !important;">clock')分离年月日

temp2 <- str_split(result1$date,0); line-height: 1.5 !important;">-')
result2 <- ldply(temp2,.fun=NULL)
names(result2) <- c(yearmonthday 分离小时分钟temp3 <- str_split(result1$clock,0); line-height: 1.5 !important;">:')
result3 <- ldply(temp3,.fun=NULL)
names(result3) <- c(hourminutessecond 合并数据

newdata <- cbind(data,result1,result2,result3) 
 转换日期为时间格式

newdata$date <- ymd(newdata$date) 
 提取星期数据

newdata$wday <- wday(newdata$date) 转换数据格式newdata$month <- ordered(as.numeric(newdata$month) )
newdata$year <- ordered(newdata$year)
newdata$day <- ordered(as.numeric(newdata$day))
newdata$hour <- ordered(as.numeric(newdata$hour))
newdata$wday <- ordered(newdata$wday)

至此，数据预处理完成，时间和发言人数据都已合适地存到 newdata 中，可以开始任性地分析了~

3、数据分析

• 一星期中每天合计的聊天记录次数，可以看到该 QQ 群的聊天兴致随星期的分布。

qplot(wday,data=newdata,geom=bar')

周三是工作日，还这么活跃，周六话最多，周日估计出去玩了，周一专心上班。

• 聊天兴致在一天中的分布。

  
  

  
  

qplot(hour,255);">这群一天中聊得最嗨的是上午 10 点和下午 17 点，形成两个高峰。
 


前十大发言最多用户


 


 

 
user <- as.data.frame(table(newdata$id))   用 table 统计频数

user <- user[order(user$Freq,decreasing=T),]
user[1:10,]    显示前十大发言人的 ID 和 发言次数

topuser <- user[1:10,]$Var1  存前十大发言人的 ID
 
 

根据活跃天数统计前十大活跃用户
 

 
 活跃天数计算 将数据展开为宽表，每一行为用户，每一列为日期，对应数值为发言次数

flat.day <- dcast(newdata,id~date,length,value.var=')
flat.mat <- as.matrix(flat.day[-1]) 转为矩阵 转为0-1值，以观察是否活跃

flat.mat <- ifelse(flat.mat>0,1,0) 根据上线天数求和

topday <- data.frame(flat.day[,1],apply(flat.mat,sum))
names(topday) <- c(iddays')
topday <- topday[order(topday$days,] 获得前十大活跃用户topday[1:10,]
 
 
?
 

                        
（编辑：源码网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!