一些编程语言的收入
几周前我提到过如何通过使用 git 的提交元数据(metadata)和 Rapleaf API 来收集 Github 上热门组织的一些统计资料(日志, 每个组织的数据)。现在我又对这些数据按编程语言而不是组织进行划分产生了兴趣。网上关于各编程语言对应的屌丝程序员的描述比比皆是,但我还是很好奇它们是如何与现实中的人们对应起来的。
几周前我提到过如何通过使用 git 的提交元数据(metadata)和 Rapleaf API 来收集 Github 上热门组织的一些统计资料(日志, 每个组织的数据)。
现在我又对这些数据按编程语言而不是组织进行划分产生了兴趣。网上关于各编程语言对应的屌丝程序员的描述比比皆是,但我还是很好奇它们是如何与现实中的人们对应起来的。一开始,我想先简单地统计一下每种编程语言使用者的年龄、收入和性别。基于我已经收集的数据,这一工作还是比较轻松的:
- 对于统计每个 repo 使用的编程语言,我使用 Github 自带的语言统计结果。例如,Github 估计这个项目中 75% 是 java 代码。
- 统计了每个项目中某种语言代码占用大于 50% 的那些贡献者的收入
- 过滤出那些收入点>100 的编程语言
下面是收入的统计结果,升序排列:
Language | Average Household Income ($) | Data Points |
Puppet | 87,589.29 | 112 |
Haskell | 89,973.82 | 191 |
PHP | 94,031.19 | 978 |
CoffeeScript | 94,890.80 | 435 |
VimL | 94,967.11 | 532 |
Shell | 96,930.54 | 979 |
Lua | 96,930.69 | 101 |
Erlang | 97,306.55 | 168 |
Clojure | 97,500.00 | 269 |
Python | 97,578.87 | 2314 |
JavaScript | 97,598.75 | 3443 |
Emacs Lisp | 97,774.65 | 355 |
C# | 97,823.31 | 665 |
Ruby | 98,238.74 | 3242 |
C++ | 99,147.93 | 845 |
CSS | 99,881.40 | 527 |
Perl | 100,295.45 | 990 |
C | 100,766.51 | 2120 |
Go | 101,158.01 | 231 |
Scala | 101,460.91 | 243 |
ColdFusion | 101,536.70 | 109 |
Objective-C | 101,801.60 | 562 |
Groovy | 102,650.86 | 116 |
Java | 103,179.39 | 1402 |
XSLT | 106,199.19 | 123 |
ActionScript | 108,119.47 | 113 |
欢迎访问:www.cnblogs.com/wangmars/
--------------------------------------------来自互联网