Skip to content

Instantly share code, notes, and snippets.

@aaossa

aaossa/Exploración de commits IIC2233 2020-1.ipynb

Created May 11, 2020 03:32
Show Gist options
  • Star 0 You must be signed in to star a gist
  • Fork 0 You must be signed in to fork a gist
  • Save aaossa/ef7ec4a98703c24cb45bd20920848607 to your computer and use it in GitHub Desktop.
Save aaossa/ef7ec4a98703c24cb45bd20920848607 to your computer and use it in GitHub Desktop.
Download ZIP
Análisis de commits para IIC2233 2020-1
Display the source blob
Display the rendered blob
Raw
Exploración de commits IIC2233 2020-1.ipynb
{
"cells": [
{
"cell_type": "markdown",
"metadata": {},
"source": [
"# Procesamiento de *commits* de alumnes"
]
},
{
"cell_type": "code",
"execution_count": 1,
"metadata": {},
"outputs": [
{
"name": "stderr",
"output_type": "stream",
"text": [
"/home/aaossa/.local/lib/python3.8/site-packages/pandas/compat/__init__.py:117: UserWarning: Could not import the lzma module. Your installed Python is incomplete. Attempting to use lzma compression will result in a RuntimeError.\n",
" warnings.warn(msg)\n"
]
}
],
"source": [
"import re\n",
"from collections import Counter\n",
"\n",
"import pandas as pd"
]
},
{
"cell_type": "code",
"execution_count": 2,
"metadata": {},
"outputs": [],
"source": [
"df_commits = pd.read_csv(\"commits (inc may 9).csv\")\n",
"df_commits = df_commits.rename(columns={\"commiter\": \"committer\"})\n",
"df_commits[\"message\"] = df_commits[\"message\"].fillna(\"null\") # Commit con 'message': 'null'"
]
},
{
"cell_type": "code",
"execution_count": 3,
"metadata": {},
"outputs": [],
"source": [
"# Agregar columna con username (registrado en el curso)\n",
"df_commits[\"username\"] = df_commits[\"repo_name\"].map(lambda x: x[8:-15])"
]
},
{
"cell_type": "code",
"execution_count": 4,
"metadata": {},
"outputs": [],
"source": [
"# Quitar commits de usuarios del equipo docente\n",
"equipo_docente = [\n",
" \"entamburini\",\n",
" \"bimartinez\",\n",
" \"aaossa\",\n",
" \"cruz\",\n",
" \"Drpinto1\",\n",
" \"fdoflorenzano\",\n",
" \"lily416\",\n",
" \"NevadaStreets\",\n",
"]\n",
"df_commits = df_commits[~(df_commits[\"committer\"].isin(equipo_docente))]\n",
"df_commits = df_commits[~(df_commits[\"author\"].isin(equipo_docente))]\n",
"df_commits = df_commits.reset_index(drop=True)"
]
},
{
"cell_type": "code",
"execution_count": 5,
"metadata": {},
"outputs": [],
"source": [
"# Agregar cantidad de commits por repositorio\n",
"df_commits[\"history_size\"] = df_commits.groupby(\"repo_name\")[\"message\"].transform(len)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Detección de inconsistencias usando 'author' y 'committer'"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Notar que \"web-flow\" como *committer* indica que el cambio se hizo a través de la página de GitHub, y no con git"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Diferencia entre *author* y *commiter*"
]
},
{
"cell_type": "code",
"execution_count": 6,
"metadata": {},
"outputs": [
{
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",
" }\n",
"</style>\n",
"<table border=\"1\" class=\"dataframe\">\n",
" <thead>\n",
" <tr style=\"text-align: right;\">\n",
" <th></th>\n",
" <th>repo_name</th>\n",
" <th>url</th>\n",
" <th>author</th>\n",
" <th>committer</th>\n",
" <th>message</th>\n",
" <th>username</th>\n",
" <th>history_size</th>\n",
" </tr>\n",
" </thead>\n",
" <tbody>\n",
" </tbody>\n",
"</table>\n",
"</div>"
],
"text/plain": [
"Empty DataFrame\n",
"Columns: [repo_name, url, author, committer, message, username, history_size]\n",
"Index: []"
]
},
"execution_count": 6,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"# Copio df_commits\n",
"test_1 = df_commits.copy()\n",
"# Ignoro commits hechos via web\n",
"test_1 = test_1[test_1[\"committer\"] != \"web-flow\"]\n",
"# Selecciono commits con 'author' distinto de 'committer'\n",
"test_1 = test_1[test_1[\"author\"] != test_1[\"committer\"]]\n",
"\n",
"test_1"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Último *commit* no tiene como *committer* a usuario de GitHub"
]
},
{
"cell_type": "code",
"execution_count": 7,
"metadata": {
"scrolled": true
},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 100.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 97.96% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 97.67% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 97.67% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 97.22% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 96.97% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 96.88% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 96.83% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 96.59% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 96.3% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 96.23% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 95.83% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 95.74% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 94.87% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 94.74% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 94.67% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 94.62% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 94.59% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 94.59% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 94.44% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 94.44% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 93.94% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 93.62% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 93.02% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 90.74% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 89.74% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 89.29% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 89.19% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 87.88% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 87.5% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 87.1% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 85.71% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 85.07% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 84.78% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 83.64% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 82.4% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 82.35% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 79.49% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 77.78% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 72.09% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 56.12% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 53.85% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 50.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 47.27% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 46.88% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 25.0% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 8.82% de sus últimos commits\n",
"Usuario REDACTED firmó como REDACTED en el 8.0% de sus últimos commits\n"
]
}
],
"source": [
"# Copio df_commits\n",
"test_2 = df_commits.copy()\n",
"# Ignoro los commits hecho via web\n",
"test_2 = test_2[test_2[\"committer\"] != \"web-flow\"]\n",
"# Cuento cuantos commits inconsistentes hay\n",
"test_2[\"anomaly_size\"] = test_2.groupby([\"repo_name\", \"committer\"])[\"username\"].transform(len)\n",
"# Tomo el último commit en cada repo para determinar si la inconsistencia se mantiene\n",
"test_2 = test_2.groupby([\"repo_name\"]).head(1)\n",
"# Me lo quedo si es inconsistente\n",
"test_2 = test_2[test_2[\"committer\"] != test_2[\"username\"]]\n",
"# Calcular proporcion errónea\n",
"test_2[\"error_rate\"] = test_2[\"anomaly_size\"] / test_2[\"history_size\"]\n",
"# Ordenar por tasa de error\n",
"test_2 = test_2.sort_values([\"error_rate\"], ascending=False)\n",
"# Output definitivo\n",
"test_2 = test_2[[\"username\", \"committer\", \"error_rate\"]]\n",
"\n",
"# Imprimir\n",
"for _, (user, committer, error_rate) in test_2.iterrows():\n",
" user = \"REDACTED\"\n",
" committer = \"REDACTED\"\n",
" print(f\"Usuario {user} firmó como {committer} en el {round(100 * error_rate, 2)}% de sus últimos commits\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Datos interesantes"
]
},
{
"cell_type": "code",
"execution_count": 8,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Les alumnes han realizado 17710 commits durante el curso\n"
]
}
],
"source": [
"print(f\"Les alumnes han realizado {len(df_commits)} commits durante el curso\")"
]
},
{
"cell_type": "code",
"execution_count": 9,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Un 5.47% de commits ha sido via web\n"
]
}
],
"source": [
"int_1 = df_commits.copy()\n",
"int_1 = int_1[int_1[\"committer\"] == \"web-flow\"]\n",
"print(f\"Un {round(100 * len(int_1) / len(df_commits), 2)}% de commits ha sido via web\")"
]
},
{
"cell_type": "code",
"execution_count": 10,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Les 10 alumnes con más commits representan un 9.92% del total de commits de alumnes\n"
]
}
],
"source": [
"sum_top_10 = df_commits.groupby(\"repo_name\").count()[\"history_size\"].sort_values(ascending=False)[:10].sum()\n",
"print(f\"Les 10 alumnes con más commits representan un {round(100 * sum_top_10 / len(df_commits), 2)}% del total de commits de alumnes\")"
]
},
{
"cell_type": "code",
"execution_count": 11,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Gráfico # commits / alumne\n"
]
},
{
"data": {
"image/png": "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\n",
"text/plain": [
"<Figure size 432x288 with 1 Axes>"
]
},
"metadata": {
"needs_background": "light"
},
"output_type": "display_data"
}
],
"source": [
"ax = df_commits.groupby(\"repo_name\").count()[\"history_size\"].sort_values().plot(use_index=False)\n",
"ax.set_xlabel(\"Alumnes ordenados por # commits\")\n",
"ax.set_ylabel(\"# commits por alumne\")\n",
"print(\"Gráfico # commits / alumne\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## *Commits* curiosos"
]
},
{
"cell_type": "code",
"execution_count": 12,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"El largo promedio de un mensaje de commit es 21.59\n"
]
}
],
"source": [
"df_commits[\"message_len\"] = df_commits[\"message\"].apply(len)\n",
"commits_largo = df_commits[\"message_len\"]\n",
"print(f\"El largo promedio de un mensaje de commit es {round(commits_largo.mean(), 2)}\")"
]
},
{
"cell_type": "code",
"execution_count": 13,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Hay 682 commits solo escritos con mayúsculas\n"
]
}
],
"source": [
"df_commits[\"is_upper\"] = df_commits[\"message\"].apply(lambda m: m.isupper())\n",
"commits_mayusculas = df_commits[df_commits[\"is_upper\"]]\n",
"print(f\"Hay {len(commits_mayusculas)} commits solo escritos con mayúsculas\")"
]
},
{
"cell_type": "code",
"execution_count": 14,
"metadata": {
"scrolled": true
},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Hay 2 commits con que coinciden con ^AC[0]?0$ como mensaje\n",
"Hay 17 commits con que coinciden con ^AF[0]?1$ como mensaje\n",
"Hay 40 commits con que coinciden con ^AF[0]?2$ como mensaje\n",
"Hay 41 commits con que coinciden con ^AF[0]?3$ como mensaje\n",
"Hay 0 commits con que coinciden con ^AF[0]?4$ como mensaje\n",
"Hay 58 commits con que coinciden con ^AS[0]?1$ como mensaje\n",
"Hay 77 commits con que coinciden con ^AS[0]?2$ como mensaje\n",
"Hay 69 commits con que coinciden con ^AS[0]?3$ como mensaje\n",
"Hay 0 commits con que coinciden con ^AS[0]?4$ como mensaje\n",
"Hay 13 commits con que coinciden con ^T[0]?0$ como mensaje\n",
"Hay 74 commits con que coinciden con ^T[0]?1$ como mensaje\n",
"Hay 1 commits con que coinciden con ^T[0]?2$ como mensaje\n"
]
}
],
"source": [
"match_evaluaciones = [\n",
" # ^ y $ indican match de inicio a fin\n",
" # El primer 0 es opcional (por eso el '?')\n",
" r\"^AC[0]?0$\", # AC00 \n",
" r\"^AF[0]?1$\", # AF01 \n",
" r\"^AF[0]?2$\", # AF02 \n",
" r\"^AF[0]?3$\", # AF03 \n",
" r\"^AF[0]?4$\", # AF04\n",
" r\"^AS[0]?1$\", # AS01\n",
" r\"^AS[0]?2$\", # AS02\n",
" r\"^AS[0]?3$\", # AS03\n",
" r\"^AS[0]?4$\", # AS04\n",
" r\"^T[0]?0$\", # T00\n",
" r\"^T[0]?1$\", # T01\n",
" r\"^T[0]?2$\", # T02\n",
"]\n",
"\n",
"for evaluacion in match_evaluaciones:\n",
" coincidencias = df_commits[\"message\"][df_commits[\"message\"].str.count(evaluacion)==1]\n",
" print(f\"Hay {len(coincidencias)} commits con que coinciden con {evaluacion} como mensaje\")"
]
},
{
"cell_type": "code",
"execution_count": 15,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Hay 362 commits con emojis provenientes de 28 repositorios\n",
"Los 10 emojis más usados son:\n",
":star:, 70 veces\n",
":bug:, 33 veces\n",
":tada:, 28 veces\n",
":hammer:, 20 veces\n",
":star2:, 16 veces\n",
":smile:, 15 veces\n",
":sparkles:, 15 veces\n",
":bookmark:, 15 veces\n",
":heart:, 15 veces\n",
":pencil:, 11 veces\n"
]
}
],
"source": [
"commits_con_emojis = df_commits[df_commits[\"message\"].str.count(r\":[\\w]*:\") > 0]\n",
"repos_con_emojis = len(commits_con_emojis.groupby(\"repo_name\"))\n",
"print(f\"Hay {len(commits_con_emojis)} commits con emojis provenientes de {repos_con_emojis} repositorios\")\n",
"\n",
"emojis_usados = Counter()\n",
"for c in commits_con_emojis[\"message\"]:\n",
" emojis_usados.update(re.findall(r\":[\\w]*:\", c))\n",
"\n",
"print(\"Los 10 emojis más usados son:\")\n",
"for emoji, apariciones in emojis_usados.most_common(10):\n",
" print(f\"{emoji}, {apariciones} veces\")"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.8.1"
}
},
"nbformat": 4,
"nbformat_minor": 4
}
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment