In [1]:
import numpy as np
import json
import dateutil.parser
In [2]:
with open("dat/scipy_scipy.json") as f:
scipy_datos = json.load(f)
A continuación, vamos a descartar todos los datos que no nos interesan. Vamos a construir un array de tres columnas, con tantas filas como commits haya en los datos:
Con dateutil.parser.parse obtengo un objeto datetime a partir de una cadena en formato ISO 8601. Con su método date lo convierto a date y por tanto descarto horas, minutos y segundos.
In [3]:
N = len(scipy_datos)
commits_info = np.empty((N, 3), dtype=object)
for i in range(N):
date_commit = scipy_datos[i]['commit']['committer']['date']
author_name = scipy_datos[i]['commit']['committer']['name']
commit_hash = scipy_datos[i]['sha']
dt = dateutil.parser.parse(date_commit)
commits_info[i] = [dt.date(), author_name, commit_hash]
In [4]:
fechas = np.unique(commits_info[:, 0])
Ahora voy a construir un array de dos columnas: la primera tendrá las fechas (serán todas distintas), y la segunda tendrá el número de commits correspondientes a esa fecha.
Para conseguir esto, solo tengo que iterar sobre las fechas y utilizar esta propiedad:
In [5]:
ff = fechas[30] # Una fecha de ejemplo
print(ff)
# La siguiente línea devuelve una máscara
# (un array de True/False) con True en las posiciones
# correspondientes a las filas donde se cumple la condición
mask = commits_info[:, 0] == ff
# Uso esa máscara para obtener los commits de
# fecha `ff`
print(commits_info[mask])
Este es el código:
In [6]:
num_fechas = len(fechas)
# Mi array de dos columnas, con fechas y número
# de commits
commits_por_dia = np.empty((num_fechas, 2), dtype=object)
# Itero en las fechas
for ii in range(num_fechas):
num_commits = len(commits_info[commits_info[:, 0] == fechas[ii]])
commits_por_dia[ii] = (fechas[ii], num_commits)
Representamos la gráfica:
In [7]:
import matplotlib.pyplot as plt
fig, axes = plt.subplots(4, 1, sharex=True, sharey=True, figsize=(6, 8))
fig.autofmt_xdate()
In [8]:
axes[0].plot(commits_por_dia[:, 0], commits_por_dia[:, 1])
Out[8]:
In [9]:
committers = np.unique(commits_info[:, 1])
num_committers = len(committers)
commits_por_autor = np.empty((num_committers, 2), dtype=object)
for jj in range(num_committers):
num_commits = len(commits_info[commits_info[:, 1] == committers[jj]])
commits_por_autor[jj] = (committers[jj], num_commits)
Una vez tenemos cada persona con su número de commits, solo hay que ordenar el array y sacar los tres primeros: necesitamos la función np.argsort).
In [10]:
indices = np.argsort(commits_por_autor[:, 1])[::-1]
autores_selecc = commits_por_autor[indices][:3, 0]
autores_selecc
Out[10]:
Una vez tenemos los nombres de los autores, ya podemos averigüar los commits por día de cada uno de ellos:
In [11]:
kk = 1
for autor in autores_selecc:
commits_autor = commits_info[commits_info[:, 1] == autor]
commits_por_dia_autor = np.empty((num_fechas, 2), dtype=object)
# Itero en las fechas
for ii in range(num_fechas):
num_commits = len(commits_autor[commits_autor[:, 0] == fechas[ii]])
commits_por_dia_autor[ii] = (fechas[ii], num_commits)
axes[kk].plot(commits_por_dia_autor[:, 0], commits_por_dia_autor[:, 1])
kk += 1
In [12]:
fig.suptitle("Estadísticas GitHub")
fig.savefig("estadisticas_github.png")
In [13]:
from IPython.display import Image
Image("estadisticas_github.png")
Out[13]:
Y fin :)
Extras:
In [ ]: