。
[0036]可选的，所述根据所述用户群内每个用户对应的垃圾清理数据，计算所述每个用户的未运营的应用程序的待清理垃圾量，包括:根据所述每个用户在所述相邻两天的后一天内的垃圾清理数据，获取已运营的每个应用程序的垃圾量；根据所述已运营的每个应用程序属于的应用程序类型，以及所述每个应用程序的垃圾量，确定每个应用程序类型的垃圾量；根据所述每个用户对所述每个应用程序类型的使用情况，以及所述每个应用程序类型的垃圾量，得到每个用户的属于所述应用程序类型的每个未运营的应用程序的待清理垃圾量。
[0037]可选的，所述根据所述每个用户在所述相邻两天的后一天内的垃圾清理数据，获取已运营的每个应用程序的垃圾量，包括:对应已运营的每个应用程序，从所述每个用户在所述后一天内的垃圾清理数据中，获取每个用户的所述应用程序的垃圾量，并根据所述每个用户的所述应用程序的垃圾量，计算得到所述用户群内所有用户的所述应用程序的总垃圾量；将所述总垃圾量与所述用户群内总的用户数的比值，确定所述应用程序的垃圾量。
[0038]可选的，所述根据所述已运营的每个应用程序属于的应用程序类型，以及所述每个应用程序的垃圾量，确定每个应用程序类型的垃圾量，包括:获取同一个应用程序类型下每个应用程序的垃圾量，并根据每个应用程序的垃圾量，确定所述应用程序类型下所有应用程序的总垃圾量；将所述总垃圾量与所述应用程序类型下应用程序的总数，确定为所述应用程序类型的垃圾量。
[0039]可选的，所述根据所述每个应用程序类型的使用情况，以及所述每个应用程序类型的垃圾量，得到属于所述应用程序类型的每个未运营的应用程序的待清理垃圾量，包括:将每个应用程序类型的垃圾量与每个应用程序类型的使用次数相乘，得到每个未运营的应用程序的待清理垃圾量。
[0040]可选的，所述根据所述每个用户的未运营的应用程序的待清理垃圾量，统计不同区间的用户占比率，包括:根据所述每个用户的未运营的应用程序的待清理垃圾量，确定每个区间的总用户数，所述区间是对待清理垃圾文件的大小进行预先划分后得到的；将所述每个区间的总用户数除以所述用户群内的用户总数，得到每个区间的用户占比率。
[0041]本发明第三方面实施例提出的电子设备，通过计算每个用户的未运营的应用程序的待清理垃圾量，并根据该垃圾量统计不同区间的用户占比率，可以确定在不同的待清理垃圾量的区间内，用户的占比率，从而指导运营。
[0042]本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
【附图说明】
[0043]本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中:
[0044]图1是本发明一实施例提出的数据处理方法的流程示意图；
[0045]图2是本发明实施例中计算每个未运营的应用程序的待清理垃圾量的流程示意图；
[0046]图3是本发明另一实施例提出的数据处理方法的流程示意图；
[0047]图4是本发明另一实施例提出的数据处理装置的结构示意图；
[0048]图5是本发明另一实施例提出的数据处理装置的结构示意图。
【具体实施方式】
[0049]下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
[0050]图1是本发明一实施例提出的数据处理方法的流程示意图，该方法包括:
[0051]Sll:获取已有的所有用户的垃圾清理数据。
[0052]其中，可以在云端的对应垃圾文件清理的日志中，获取垃圾清理数据。
[0053]可选的，垃圾清理数据是指所有用户在相邻两天的垃圾清理数据。
[0054]垃圾清理数据中可以包括:标识信息，安装包的信息，以及每个安装包产生的垃圾量。
[0055]例如，垃圾清理数据中的一项是:标识信息_1，app_l，sizel。
[0056]标识信息用于唯一标识一个用户，标识信息例如为移动国家码(Mobile CountryCode，MCC)和移动设备标识码(假设用xaid表示)的组合(MCC+xaid)。
[0057]安装包的信息例如用户设备(如手机)上安装的应用程序(app)的名称。
[0058]在垃圾文件清理时，会记录每个被清理的app的被清理的垃圾文件的大小(size)，该size可以称为每个安装包产生的垃圾量。
[0059]S12:从所述所有用户中选择满足预设条件的用户，形成用户群，并根据所述用户群内每个用户对应的垃圾清理数据，计算所述每个用户的未运营的应用程序的待清理垃圾量。
[0060]可选的，所述从所述所有用户中选择满足预设条件的用户，形成用户群，包括:
[0061]在所述所有用户中，确定在所述相邻两天都进行了垃圾文件清理的用户，并将所述都进行了垃圾文件清理的用户，确定为满足预设条件的用户，形成用户群。
[0062]例如，假设相邻两天称为第一天和第二天，如果用户A在第一天和第二天都进行了垃圾文件清理，用户B在第一天和第二天也都进行了垃圾文件清理，因此，满足预设条件的用户群包括用户A和用户B。
[0063]可选的，所述确定在所述相邻两天都进行了垃圾文件清理的用户，包括:
[0064]将所述相邻两天内存在交集的标识信息对应的用户，确定为在所述相邻两天都进行了垃圾文件清理的用户。
[0065]如上所示，需要找出相邻两天都进行了垃圾清理的用户以组成用户群。本实施例中，是根据垃圾清理数据中的标识信息确定相邻两天都进行了垃圾清理的用户。
[0066]例如，第一天的垃圾清理数据中包括标识信息_1，标识信息_2，标识信息_3，第二天的垃圾清理数据中包括标识信息_1，标识信息_3，标识信息_5，则相邻两天都进行了垃圾清理的用户包括:标识信息_1对应的用户，以及，标识信息_3对应的用户。
[0067]在确定出用户群后，可选的，参见图2，所述根据所述用户群内每个用户对应的垃圾清理数据，计算所述每个用户的未运营的应用程序的待清理垃圾量，包括:
[0068]S21:根据所述每个用户在所述相邻两天的后一天内的垃圾清理数据，获取已运营的每个应用程序的垃圾量。
[0069]其中，由于应用程序(app)种类繁多，有些是制定了清理策略，例如，确定该app的哪些部分是垃圾数据，这部分app可以称为已运营的app ;另外一些是没进行过垃圾清理有关的处理，这部分app可以称为未运营的app。
[0070]可选的，所述根据所述每个用户在所述相邻两天的后一天内的垃圾清理数据，获取已运营的每个应用程序的垃圾量，包括:
[0071]对应已运营的每个应用程序，从所述每个用户在所述后一天内的垃圾清理数据中，获取每个用户的所述应用程序的垃圾量，并根据所述每个用户的所述应用程序的垃圾量，计算得到所述用户群内所有用户的所述应用程序的总垃圾量；
[0072]将所述总垃圾量与所述用户群内总的用户数的比值，确定所述应用程序的垃圾量。
[0073]例如，要计算app_l的垃圾量，假设用户群内的用户包括用户A和用户B，且用户A在第二天对应app_l的垃圾量是sizel，用户B在第二天对应app_l的垃圾量是size2，则:
[0074]app_l 的垃圾量=(sizel+size2)/2。
[0075]S22:根据所述已运营的每个应用程序属于的应用程序类型，以及所述每个应用程序的垃圾量，确定每个应用程序类型的垃圾量。
[0076]其中，不同的应用程序可以属于不同的应用程序类型，例如，属于社交类，游戏类，工具类等。
[0077]每个应用程序属于的应用程序类型可以记录在该应用程序的属性数据中，从而可以在属性数据中获取应用程序属于的应用程序类型。
[0078]可选的，所述根据所述已运营的每个应用程序属于的应用程序类型，以及所述每个应用程序的垃圾量，确定每个应用程序类型的垃圾量，包括:
[0079]获取同一个应用程序类型下每个应用程序的垃圾量，并根据每个应用程序的垃圾量，确定所述应用程序类型下所有应用程序的总垃圾量；
[0080]将所述总垃圾量与所述应用程序类型下应用程序的总数，确定为所述应用程序类型的垃圾量。
[0081]例如，社交类包括app_l和app_2，假设采用S21的算法得到app_l的垃圾量是10M，app_2的垃圾量是50M，则社交类的垃圾量=(10+50)/2 = 30M。
[0082]S23:根据所述每个用户对所述每个应用程序类型的使用情况，以及所述每个应用程序类型的垃圾量，得到每个用户的属于所述应用程序类型的每个未运营的应用程序的待清理垃圾量。
[0083]可选的，所述根据所述每个应用程序类型的使用情况，以及所述每个应用程序类型的垃圾量，得到属于所述应用程序类型的每个未运营的应用程序的待清理垃圾量，包括:
[0084]将每个应