Wikipedia 是一個全世界人都在使用的百科全書，我們可以從 Wikipedia 上面各個主題的使用狀況來分析出一些有趣的結果，例如軟體的普及程度等，另外也可以用來作為判斷軟體是否具有發展性的一個參考。

這裡我們針對矩陣計算軟體、作業系統等議題，分別使用 R 來抓取 Wikipedia 上面的使用資訊，並畫出圖表來分析，看看這些領域目前的情況。

矩陣計算軟體

首先來看 R 軟體本身的情況，下面這張是 R 語言近幾年在 Wikipedia 上面被查詢的狀況：

wikiR

R

由這張圖可以看出來在這幾年中對 R 語言有興趣的人有成長的趨勢，而在 2009 年一月份因為紐約時報登了一篇關於 R 的文章，所以當月的瀏覽量突然暴增，由於增加的量相當驚人，原作者還一度以為是 bug。

接下來我們再來看看 Octave 與 Scilab 兩個軟體的情況，這兩個軟體也是跟 R 很類似的軟體，首先是 Octave：

Rplot001

Octave

由圖中情況看起來，似乎對 Octave 有興趣的人沒有 R 來的多，再來看看 Scilab：

wikiScilab

Scilab

看起來比 Octave 更慘，如果您正在考慮學習哪一種矩陣計算工具，這個結果值得參考一下，畢竟使用者的多寡對於軟體的發展有一定的影響力，使用者太少的軟體，其發展與除錯的速度相對的會比較遲緩。

作業系統

首先來看最近很熱門的 Android：

wikiAndroid

Android

看來從 Google 一推出後，對於 Android 有興趣的人不斷上升，到了 2011 之後，似乎增加的速減緩了。接著來看 Linux：

wikiLinux

Linux

看起來都是很穩定的樣子。跟 Linux 很像的 FreeBSD：

wikiFreeBSD

FreeBSD

也是很穩定沒什麼變化，但是跟 Linux 比起來就差一大截。接著看一下微軟的 Windows：

wikiWindows

Microsoft Windows

可能微軟的 Windows 已經家喻戶曉了，所以上 Wikipedia 查 Windows 的人沒有非常多，跟 Linux 差不多。最後來看個有趣的 iPad：

wikiiPad

iPad

在 2010 年年初 iPad 剛上市時造成轟動，瞬間的查詢量非常高，隨後就降下來，跟 Google 推出的 Android 相比截然不同，也許是兩家公司的行銷手法不一樣所導致的。

R 程式碼

以下是用來分析的 R 函數原始程式碼：

wikiStat <- function (query, lang = 'en',
                      monback = 12,
                      since = Sys.Date() ) {

  #load packages
  require(mondate)
  require(XML)

  namespace <- c("a" = "http://www.w3.org/1999/xhtml")
  wikidata <- data.frame()

  #iterate "monback" number of months back
  for (i in 1:monback) {
    #get number of days in a given month and create a vector
    curdate <- strptime(mondate(since) - (i - 1), "%Y-%m-%d")
    previous <- strptime(mondate(since) - (i - 2), "%Y-%m-%d")
    noofdays <- round(as.numeric(previous - curdate), 0)
    days <- seq(from = 1, to = noofdays, by = 1)

    #build url
    if(curdate$mon + 1 < 10)
    {
      dateurl <- paste(as.character(curdate$year + 1900), "0",
                       as.character(curdate$mon + 1), sep = "")
    }
    else
    {
      dateurl <- paste(as.character(curdate$year + 1900),
                       as.character(curdate$mon + 1), sep = "")
    }

  url <- paste("http://stats.grok.se/",
             lang, '/',
             dateurl, '/',
             query,
             sep = "")
  #get and parse a wikipedia statistics webpage
  wikitree <- xmlTreeParse(url, useInternalNodes=T)

  #find nodes specifying traffic
  traffic <- xpathSApply(wikitree,"//a:li[@class='sent bar']/a:p",
                         xmlValue, namespaces = namespace)

  #edit obtained strings (sometimes its in the format
  # of e.g. 7.5k meaning 7500)
  traffic <- gsub(".", "", traffic)
  traffic <- gsub("k", "00", traffic)
  traffic <- as.numeric(traffic)

  #it seems that there is some kind of a bug in wikipedia statistics
  #and the results are shifted by one day in a month - this is a fix
  if(length(traffic) > noofdays) {
    traffic <- traffic[2:length(traffic)]
  }
  #create daily dates relating to traffic vector
  #and create a dataframe
  days <- seq(from = 1, to = length(traffic), by = 1)
  yearmon <- rep(paste(curdate$year + 1900,
                       curdate$mon + 1, sep = "-"),
                 length(traffic))
  date  <- as.Date(paste(yearmon, days, sep = "-"), "%Y-%m-%d")
  wikidata <- rbind(wikidata, data.frame(date, traffic))
  }

  #remove rows that are missing (due to the bug?)
  wikidata <- wikidata[!is.na(wikidata$date),]

  #return dataframe
  return(wikidata)
}

wikiPlotStat <- function(wikitraffic,
                         title = "Wikipedia statistics") {
  require(ggplot2)

  #create a plot
  wikiplot <- ggplot() + geom_bar(aes(x = date, y = traffic,
                                      fill = traffic),
                                  stat = "identity",
                                  data = wikitraffic) +
                                  opts(title = title)

  #...with no legend and a theme that fits colours of my blog ;)
  wikiplot <- wikiplot + theme_bw() + opts(legend.position = "none")

  return(wikiplot)
}

在使用前要先確定 mondate 與 XML 這兩的套件有沒有裝，若是沒有裝就要先裝才能使用：

install.packages("mondate")
install.packages("XML")

然後就將上面兩個函數的定義複製貼到 R 中執行，或是存成一個 R 程式檔 script.R，使用 source 的方式：

source("script.R")

接下來就可以開始分析了，例如要分析 “R_(programming_language)” 在 Wikipedia 上面被查詢的狀況：

ar <- wikiStat("R_(programming_language)",
  monback = 45, lang= 'en')
wikiPlotStat(ar,
  "Wikipedia search traffic for 'R (programming language)'")

因為在分析時 R 要從網路上抓取資料，所以分析的時間會比較久，網路比較慢的人要比較有耐心。

參考資料：
Visualising Wikipedia search statistics with R
R popularity – steady growth and New York Times