现现在，智能手机是人手一份。天天咱们都经过手机与外界沟通交流，手机做为必不可少的媒介，无形中记录着咱们平常生活中的点点滴滴。这些信息主要包括我的位置信息、通讯信息、帐号密码信息、存储文件信息等四大类。因为Android是开源的，软件用户可自行对软件进行修改、复制及再分发，直接进行信息交换。有些用户还会本身对系统进行破解，获取权限，窃取我的信息。一些山寨手机甚至还留有后门程序，固化窃听软件，并经过远程遥控使手机话筒在用户不知情的状况下开启，把手机变成一个窃听-器，形成我的隐私泄露。算法
所以，经过对手机数据的挖掘与分析，能够便捷地进行用户行为分析；好比，利用手机定位数据能够进行用户特征挖掘；利用通话记录能够进行社交亲密度分析等等。我带着这个想法，导出本身手机上能够找到的各类数据文件，并经过R软件十对这些数据进行了简单的统计分析，现将步骤记录以下：app
首先，读取xml格式通话记录并解析，将其转换成数据框格式；而后即可以经过DT包快速便捷地查看通话记录。code
library(XML) xmlfile=xmlParse(file.choose(),encoding="UTF-8") #读取xml格式通话记录并解析 mydata=xmlToDataFrame(xmlfile) #转换格式 head(mydata) mydata$Duration=as.numeric(mydata$Duration)
library(DT) datatable(mydata, options = list(pageLength = 10))
calldata=data.frame(Totaltime=with (mydata , tapply (Duration , list (ContactName) , sum ) ),
Average=with (mydata ,tapply (Duration , list (ContactName) , mean ) ))
head(calldata)
library(plotly)
plot_ly(calldata,x=rownames(Totaltime),y=Totaltime,type = "bar",name = "sum")
add_trace(calldata,x=rownames(Average),y=Average,name = "mean")
plot_ly(mydata[mydata$ContactName=="张三",],x=StartTime,y=Duration,type = "bar") plot_ly(mydata[mydata$ContactName=="张三",],x=StartTime,y=Duration)
library(dygraphs)
library(xts)
mydata$StartTime=as.Date(mydata$StartTime) #去除分秒
daydata=with (mydata, tapply (Duration , list (StartTime) , sum ) ) #每日通话时长
dygraph(daydata, main = "每日通话时长走势") %>%
dyRangeSelector(dateWindow = c("2016-05-01", "2016-06-01"))
### 转化成时间序列画图
xtsdata=xts(daydata,as.Date(names(daydata)))
index(xtsdata)
dygraph(xtsdata, main = "每日通话时长走势") %>%
dyRangeSelector(dateWindow = c("2016-05-01", "2016-06-01"))
这篇文章只记录了对通话记录的简单统计和可视化，手机数据真正的宝矿是其内置的各类传感器，随着物联网时代的到来，如何经过优秀的算法挖掘分析这些信号数据，具备十分重要的意义。xml