英文原文:average-income-per-programming-language
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:
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这是上表对应的柱状图:
对于大多数语言的排名还是比较符合预期的,得出了一下结论:
另一方面,由于对某些语言,像 XSLT, Puppet, CoffeeScript 不太熟悉,大家知道为什么这些语言排名较高或收入较低吗?感谢告知。
需要说明的是:
最后,对统计结果或方法有任何想法或建议请告知我,我还会再出一份按年龄、性别排名的编程语言报告。