刚接触R语言一周,和matab不同R作用于数据挖掘的库很多,详解见 R语言数据挖掘包
,下面简介文本分析经常使用到的三个包
tm 为文本挖掘提供综合性处理 Rwordmsg 进行中文分词 wordcloud 统计词云
以第三届泰迪杯A题提供的数据集国美-Sheet1进行文本分析 : 第三届泰迪杯
转化为txt的数据集如下图所示:
生成词云:
用结巴包做分词,Github的地址:https://github.com/qinwf/jieba
用freq()就可以统计出词频了,不过是结果是没有排序的。
System.currentTimeMillis() :返回当前系统的毫秒数,由于取得的是毫秒数,所以在处理UNIX时间戳的时候需要转换成秒也就是:
long epoch = System.currentTimeMillis()/1000
方法:
1、获取当前系统的UNIX时间戳
System.out.println("获取系统毫秒数方法1:"+Long.toString(new Date().getTime()))
System.out.println("获取系统毫秒数方法2:"+Long.toString(System.currentTimeMillis()))
注意:以上代码获取的都是系统毫秒数,在实际的操作中我们一般都是记录毫秒说以求记录的精度,当处理UNIX时间戳的时候需要把数据进行处理。
2、将UNIX时间戳转换成系统可以处理的时间
System.out.println(""+new java.text.SimpleDateFormat("yyyy MM-dd HH:mm:ss").format(new java.util.Date (1215782027390L)))
输出:2008 07-11 21:13:47
注意:此时处理的数据为系统毫秒不是UNIX时间戳
3、讲时间转换成UNIX时间戳
long epoch = new java.text.SimpleDateFormat ("dd/MM/yyyy HH:mm:ss").parse("09/22/2008 16:33:00").getTime()
注意:
请注意!对与不同的时区处理上有差异,首先要清楚自己所在的时区。
String timezone_info = System.getProperty("user.timezone")
System.out.println("当前的时区:"+timezone_info)
System.out.println("时区信息:"+TimeZone.getDefault())
输出:
当前的时区:Asia/Shanghai
时区信息:sun.util.calendar.ZoneInfo[id="Asia/Shanghai",offset=28800000,dstSavings=0,useDaylight=false,transitions=19,lastRule=null]
处理不同的时区的方法:
SimpleDateFormat sd = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss")
sd.setTimeZone(TimeZone.getTimeZone("GMT+8"))
String strDate = sd.format(new Date(1215782027390L))
System.out.println("正八区当前时间:"+strDate)
输出:
正八区当前时间:2008-07-11 21:13:47