使用 R 语言挖掘 QQ 群聊天记录

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,geom='bar')

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='date')
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,1,sum))
names(topday) <- c('id','days')
topday <- topday[order(topday$days,decreasing=T),]# 获得前十大活跃用户topday[1:10,]

• 寻找聊天峰值日

# 观察每天的发言次数# online.day为每天的发言次数online.day <- sapply(flat.day[,-1],sum) ?# -1 表示去除第一列，第一列是 IDtempdf <- data.frame(time=ymd(names(online.day)),online.day )
qplot(x=time,y=online.day,ymin=0,ymax=online.day,data=tempdf,geom='linerange')# 观察到有少数峰值日，看超过200次发言以上是哪几天

names(which(online.day>200))

• （编辑：网站开发网_盐城站长网 ）

  【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!