R:将电子邮件地址转换为唯一整数
R初学者,似乎有一个非常简单的问题: 我有许多电子邮件日志,我已将其读入R,格式如下:R:将电子邮件地址转换为唯一整数,r,char,int,converter,R,Char,Int,Converter,R初学者,似乎有一个非常简单的问题: 我有许多电子邮件日志,我已将其读入R,格式如下: >log1 Date Time From To 1 2000-01-01 00:00:00 bob@mail.com test1@mail.com 2 2000-01-02 01:00:00 carolyn @mail.com test2@mail.com 3 200
>log1
Date Time From To
1 2000-01-01 00:00:00 bob@mail.com test1@mail.com
2 2000-01-02 01:00:00 carolyn @mail.com test2@mail.com
3 2000-01-03 02:00:00 chris@mail.com test3@mail.com
4 2000-01-04 03:00:00 chris @mail.com test4@mail.com
5 2000-01-05 04:00:00 alan@mail.com test5@mail.com
6 2000-01-06 05:00:00 alan.@mail.com test6@mail.com
我需要将log1$From和log1$to更改为全局唯一的数字标识符,这样当我稍后读入其他日志时,任何给定的电子邮件地址都将收到与以前日志相同的标识符
我试过:
id <- as.numeric(as.character(log1[,3])))
id<-as.numeric(levels(log1[,3])))
id <- charToRaw(log1[,4]), base=16)
id您需要为日志中的每封电子邮件创建一个唯一的id。一种方法是计算每封电子邮件的crc校验和,并将其用作标识符,但这将是一个很长的数字。或者,您可以在R中实现一个hashmap,并将电子邮件作为hashmap的密钥。您可以使用MD5生成全局唯一标识符,因为它的冲突概率非常低,但由于其输出为128位,您需要一些数字来表示它(32位R中有四个整数,64位R中有两个整数)。不过,使用短数值向量应该很容易处理这个问题
以下是如何为电子邮件地址(或任何其他字符串)生成四个整数的向量:
库(摘要)
电子邮件我认为这会满足您的需求,而且效率很高,您只需使用基本软件包就可以做到这一点
程序:
1.将两列转换为系数
2.以完全相同的方式合并因子级别,以便每封电子邮件在因子级别中具有唯一的ID
3.将每列中的条目更改为与其因子级别对应的数字。因此,我们可以确定test1@gmail.com只需在两列中查找“1”,即可发送和接收电子邮件
log1$From <- as.factor(log1$From)
log1$To <- as.factor(log1$To)
emails <- union(levels(log1$From), levels(log1$To))
levels(log1$From) <- emails
levels(log1$To) <- emails
log1$From <- as.numeric(log1$From)
log1$To <- as.numeric(log1$To)
你应该做这个把戏!您可以编写一个过程,使其看起来更干净……我对R不太了解,但从您提到的内容来看,您正在为发件人和收件人电子邮件地址的组合寻找唯一标识符。您可以尝试为它们的串联创建哈希。R似乎有一些散列函数,所以您可以尝试一下。感谢您的输入人员,肯定有比实现校验和或散列映射更简单的解决方案?!您可以使用任何算法(md5、sha、crc等),只要您为每个输入获得唯一的标识符。感谢您的输入-不幸的是,这个解决方案似乎对我不起作用。看看上面的输出,我(非常)可能会犯一些错误。谢谢,谢谢您的输入-不幸的是,我在这个解决方案中遇到了一个错误。不幸的是,这并不能确保在阅读不同的日志时,相同的电子邮件地址将收到与OP要求的相同的数字ID。
ID_to<-data.frame()
ID_from<-data.frame()
for (i in 1:nrow(log)){
to<-as.numeric(paste('0x', substr(rep(hmac('secret',log[i,4], algo='md5'), 2), c(1, 9, 17, 25), c(8, 16, 24, 32)),sep=""))
(ID_to<-rbind(ID_to,to))
from<-as.numeric(paste('0x', substr(rep(hmac('secret',log[i,3], algo='md5'), 2), c(1, 9, 17, 25),c(8, 16, 24, 32)),sep=""))
(ID_from<-rbind(ID_from,from))
}
ID_to[,3]<-paste(ID_to[,1],ID_to[,2], sep="")
ID_from[,3]<-paste(ID_from[,1],ID_from[,2], sep="")
edgelist<-data.frame(ID_from[,3],log[,3],ID_to[,3],log[,4],log[,1],log[,2])
print(edgelist)
ID_from...3. log...3. ID_to...3. log...4. log...1. log...2.
27488842661591306920 bob.shults@mail.com 18727221862165338513 ana.correa@mail.com 01/01/2000 00:00:00
38124472891255273775 carolyn.green@mail.com 1251903296725454474 test2@mail.com 02/01/2000 01:00:00
29070047663451376630 chris.long@mail.com 17074276751156451031 test3@mail.com 03/01/2000 02:00:00
8261398433828474582 christi.nicolay@mail.com 1563683670909194033 test4@mail.com 04/01/2000 03:00:00
18727221862165338513 alan.aronowitz@mail.com 26735368323826533112 test5@mail.com 05/01/2000 04:00:00
5680838251168988404 alan.comnes@mail.com 2923605896229594830 test6@mail.com 06/01/2000 05:00:00
2351312285811012730 dab@sprintmail.com 17171333544033270402 test7@mail.com 07/01/2000 06:00:00
328278708432069254 ana.correa@mail.com 33840664403556851587 test8@mail.com 08/01/2000 07:00:00
1127901879852039037 andrew.fastow@mail.com 1973548136161209824 test9@mail.com 09/01/2000 08:00:00
7349515121496417787 elena.kapralova@mail.com 5680838251168988404 test10@mail.com 10/01/2000 09:00:00
27488842661591306920 bob.shults@mail.com 328278708432069254 test11@mail.com 11/01/2000 10:00:00
38124472891255273775 carolyn.green@mail.com 1127901879852039037 test12@mail.com 12/01/2000 11:00:00
29070047663451376630 chris.long@mail.com 27488842661591306920 test13@mail.com 13/01/2000 12:00:00
8261398433828474582 christi.nicolay@mail.com 38124472891255273775 test14@mail.com 14/01/2000 13:00:00
18727221862165338513 alan.aronowitz@mail.com 29070047663451376630 test15@mail.com 15/01/2000 14:00:00
5680838251168988404 alan.comnes@mail.com 8261398433828474582 test16@mail.com 16/01/2000 15:00:00
2351312285811012730 dab@sprintmail.com 2351312285811012730 test17@mail.com 17/01/2000 16:00:00
328278708432069254 ana.correa@mail.com 7349515121496417787 test18@mail.com 18/01/2000 17:00:00
1127901879852039037 andrew.fastow@mail.com 41762759923562968495 test19@mail.com 19/01/2000 18:00:00
7349515121496417787 elena.kapralova@mail.com 24894056753582090007 test20@mail.com 20/01/2000 19:00:00
27488842661591306920 bob.shults@mail.com 18727221862165338513 ana.correa@mail.com 01/01/2000 00:00:00
27488842661591306920 bob.shults@mail.com 18727221862165338513 ana.correa@mail.com 02/01/2000 00:00:00
log <- union(levels(log[,3]), levels(log[,4]))
>Error in emails[, 3] : incorrect number of dimensions
library(digest)
email <- 'test1@gmail'
as.numeric(paste('0x', substr(rep(hmac('secret56f8a7', email, algo='md5'), 4), c(1, 9, 17, 25), c(8, 16, 24, 32)), sep=''))
log1$From <- as.factor(log1$From)
log1$To <- as.factor(log1$To)
emails <- union(levels(log1$From), levels(log1$To))
levels(log1$From) <- emails
levels(log1$To) <- emails
log1$From <- as.numeric(log1$From)
log1$To <- as.numeric(log1$To)
log1[log1$From == which(emails == "test1@gmail.com"), ]