R语言实战-如何分析QQ群记录1-格式化数据

先对分析进行简单构思：

1、搜集并格式化数据

　　a、搜集QQ群记录-从QQ导出txt文档，筛选出需要统计的QQ群记录信息。

　　b、导入QQ群记录信息，根据\n换行符读取每一行的信息。

　　c、逐行读取，利用正则表达式判断该行是否是时间行，是的话进行切割，分割出时间和昵称，该行的下一行则为聊天信息。

　　d、把时间、昵称、聊天信息统一放到一个数据框中。

#导入QQ群记录
#stringsAsFactors=F 不转换为因子
#encoding="UTF-8" 读取编码为UTF-8
#sep="\n"换行读取
jilu<- read.table("QQ群记录.txt",stringsAsFactors=F,encoding="UTF-8",sep="\n",quote = NULL)#定义data数据框，后面读取jilu中的数据需要添加在里面
#定义几个临时变量，dateTime,name,des
data<-data.frame(dateTime=c(),user_name=c(),user_des=c(),stringsAsFactors = F)
dateTime <- character()
name <-character()
des<-character()#获取jilu的行数，[1]代表行，[2]代表列
rCount<-dim(jilu)[1]count <- 1
for(i in 1:rCount){#利用正则表达式，判断是否是时间行#下面表达式代表2017-06-29 13:42:35格式#[0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]+:[0-9]+:[0-9]+#当该行满足表达式的时候，reg为满足的时间第一个字符所在的位置，不满足否则为-1reg <- regexpr("[0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]+:[0-9]+:[0-9]+",jilu[i,])#因为聊天记录特殊性，只有满足表达式并且第一个字符就是时间的行才为真实的时间行if(reg==1){#计算昵称开始的位置=时间起始位置+时间长度+1#"match.length"在执行dt_pattern会自动显示这个为满足条件时间的长度#接上面，如果单独attr()使用的话，则是attr(已执行的正则，"match.length")获取在该正则中满足条件的字符长度user_begin=reg+attr(reg,"match.length")+1#计算昵称结束位置=该条记录长度，因为昵称都是写在最后的，nchar()计算字符串的长度user_end=nchar(jilu[i,])#获取昵称，substring(被截取的字符串，截取起点，截取终点)name <- substring(jilu[i,],user_begin,user_end)#获取时间，具体规则如上面dt_begin <- regdt_end <- reg+attr(reg,"match.length")-1dateTime <-substring(jilu[i,],dt_begin,dt_end)#获取聊天信息des <- jilu[i+1,]#把昵称、时间、聊天信息加入data中#行合并，一行一行自动添加入data，列合并为：cbinddata <- rbind(data,data.frame(dateTime,name,des))}
}

　　最终data数据如下：

转载于:https://www.cnblogs.com/xugege/p/7380212.html

R语言实战-如何分析QQ群记录1-格式化数据相关推荐

R语言实战-如何分析QQ群记录5-词云
library(tm) library(tmcn) library(rJava) library(Rwordseg) #install.packages('wordcloud') library(wo ...
R语言︱异常值检验、离群点分析、异常值处理
每每以为攀得众山小,可.每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~ --------------------------- 笔者寄语:异常值处理一般分为以下几个步骤:异常 ...
R语言亚组分析 (Subgroup Analysis)及森林图绘制实战
R语言亚组分析 (Subgroup Analysis)及森林图绘制实战目录 R语言亚组分析 (Subgroup Analysis)及森林图绘制实战 #亚组分析
对比《学习R》PDF代码+《R语言实战第2版》PDF代码+《R数据科学》PDF代码分析
R语言是世界上最流行的用于数据处理和统计分析的脚本语言.考古学家用它来跟踪古代文明的传播,医药公司用它来探索哪种药物更安全.更有效,精算师用它评估金融风险以保证市场的平稳运行.总之,在大数据时代,统计 ...
计算机书籍-R语言机器学习预测分析实战
书名:机器学习与R语言实战作者:丘祐玮出版社:机械工业出版社 ISBN:9787111535959 去当当网了解
单因素方差分析——R语言实战
课题组的每个人都有实验任务,做实验的目的是为了获取实验数据,下一步就要进行数据分析,数据分析的方法各式各样.今天我给大家介绍,如何使用R语言进行单因素方差分析. 有人会问,什么是单因素方差分析? 试验 ...
R语言实战笔记--第十二章重抽样（置换检验）与自助法
R语言实战笔记–第十二章重抽样(置换检验)与自助法标签(空格分隔): R语言重抽样自助法置换检验置换检验双样本均值检验的时候,假设检验的方法就是,检查正态性.独立性.方差齐性,分别对应的 ...
R语言实战笔记--第九章方差分析
R语言实战笔记–第九章方差分析标签(空格分隔): R语言方差分析术语组间因子,组内因子,水平:组间因子和组同因子的区别是,组间因子对所有测试对象进行分组,而组内因子则把所有测试对象归为同一组 ...
R语言实战笔记--第八章 OLS回归分析
R语言实战笔记–第八章 OLS回归分析标签(空格分隔): R语言回归分析首先,是之前的文章,数理统计里面的简单回归分析,这里简单回顾一下: 简单回归分析的原理:最小二乘法,即使回归函数与实际值之 ...

R语言实战-如何分析QQ群记录1-格式化数据

R语言实战-如何分析QQ群记录1-格式化数据相关推荐

最新文章

热门文章