每周分析

继上篇之后，我们就可以分析用户的每周提交情况，以得出用户的真正的工具效率，每个程序员的工作时间可能是不一样的，如

Phodal Huang’s Report Phodal Huang’s Report

这是我的每周情况，显然如果把星期六移到前面的话，随着工作时间的增长，在github上的使用在下降，作为一个

  1.   a fulltime hacker who works best in the evening (around 8 pm).

不过这个是osrc的分析结果。

python github 每周情况分析

看一张分析后的结果

Feb Results Feb Results

结果正好与我的情况相反？似乎图上是这么说的，但是数据上是这样的情况。

  1. data
  2. ├── 2014-01-01-0.json
  3. ├── 2014-02-01-0.json
  4. ├── 2014-02-02-0.json
  5. ├── 2014-02-03-0.json
  6. ├── 2014-02-04-0.json
  7. ├── 2014-02-05-0.json
  8. ├── 2014-02-06-0.json
  9. ├── 2014-02-07-0.json
  10. ├── 2014-02-08-0.json
  11. ├── 2014-02-09-0.json
  12. ├── 2014-02-10-0.json
  13. ├── 2014-02-11-0.json
  14. ├── 2014-02-12-0.json
  15. ├── 2014-02-13-0.json
  16. ├── 2014-02-14-0.json
  17. ├── 2014-02-15-0.json
  18. ├── 2014-02-16-0.json
  19. ├── 2014-02-17-0.json
  20. ├── 2014-02-18-0.json
  21. ├── 2014-02-19-0.json
  22. └── 2014-02-20-0.json

我们获取是每天晚上0点时的情况，至于为什么是0点，我想这里的数据量可能会比较少。除去1月1号的情况，就是上面的结果，在只有一周的情况时，总会以为因为在国内那时是假期，但是总觉得不是很靠谱，国内的程序员虽然很多，会在github上活跃的可能没有那么多，直至列出每一周的数据时。

  1.   6570, 7420, 11274, 12073, 12160, 12378, 12897,
  2.   8474, 7984, 12933, 13504, 13763, 13544, 12940,
  3.   7119, 7346, 13412, 14008, 12555

Python 数据分析

重写了一个新的方法用于计算提交数，直至后面才意识到其实我们可以算行数就够了，但是方法上有点hack

  1. def get_minutes_counts_with_id(jsonfile):
  2.     datacount, dataarray = handle_json(jsonfile)
  3.     minuteswithcount = [(x, dataarray.count(x)) for x in set(dataarray)]
  4.     return minuteswithcount
  7. def handle_json(jsonfile):
  8.     f = open(jsonfile, "r")
  9.     dataarray = []
  10.     datacount = 0
  12.     for line in open(jsonfile):
  13.         line = f.readline()
  14.         lin = json.loads(line)
  15.         date = dateutil.parser.parse(lin["created_at"])
  16.         datacount += 1
  17.         dataarray.append(date.minute)
  19.     f.close()
  20.     return datacount, dataarray
  23. def get_minutes_count_num(jsonfile):
  24.     datacount, dataarray = handle_json(jsonfile)
  25.     return datacount
  28. def get_month_total():
  29.     """
  31.     :rtype : object
  32.     """
  33.     monthdaycount = []
  34.     for i in range(1, 20):
  35.         if i < 10:
  36.             filename = 'data/2014-02-0' + i.__str__() + '-0.json'
  37.         else:
  38.             filename = 'data/2014-02-' + i.__str__() + '-0.json'
  39.         monthdaycount.append(get_minutes_count_num(filename))
  40.     return monthdaycount

接着我们需要去遍历每个结果，后面的后面会发现这个效率真的是太低了，为什么木有多线程？

Python Matplotlib图表

让我们的matplotlib来做这些图表的工作

  1. if __name__ == '__main__':
  2.     results = pd.get_month_total()
  3.     print results
  5.     plt.figure(figsize=(8, 4))
  6.     plt.plot(results.__getslice__(0, 7), label="first week")
  7.     plt.plot(results.__getslice__(7, 14), label="second week")
  8.     plt.plot(results.__getslice__(14, 21), label="third week")
  9.     plt.legend()
  10.     plt.show()

蓝色的是第一周，绿色的是第二周，蓝色的是第三周就有了上面的结果。

我们还需要优化方法，以及多线程的支持。

让我们分析之前的程序，然后再想办法做出优化。网上看到一篇文章http://www.huyng.com/posts/python-performance-analysis/讲的就是分析这部分内容的。