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