幾個星期前，我在博客中描述我如何使用Git的元數據和RapLeaf的API來構建GitHub組織的人口統計概況（查看博客文章點此, 查看每個組織的數據點此）。

我也曾嘗試用不同方法截取數據，得出針對每個編程語言而不是組織的人口統計概況。有關使用不同編程語言的開發人員的刻板印象比比皆是，我很好奇它們如何與現實掛鉤。從每個編程語言使用人群的基本信息如年齡、收入、性別開始分析，根據我手上既有的數據，要做到這一點并不困難：

• 我采用GitHub對每個數據資源庫編程語言組成情況的估算。例如，GitHub估計某個項目使用了75%的Java語言；
• 我從中得知每個項目中使用比例超過50%的是什么編程語言，某個項目中使用這一主要語言的開發人員是誰，并把他們的收入累加；
• 我進而篩選出得到大于100收入數據點的編程語言。

以下便是收入情況的統計，根據家庭平均收入由低到高排列：

同樣的數據以圖表的形式體現如下:

多數的排行結果大致符合我的預期：

• Haskell是種非常學術的語言，因此在收入方面并不可觀；
• PHP是種較為容易掌握的語言，方便非專業的或初級編程人員使用，也因此收入相對不高
• Java和ActionScript則被認為是高級的語言，多用于企業軟件的開發，因此收入頗豐。

另一方面，我對處在低端和高端的某些語言并不十分了解，比如XSLT, Puppet, and CoffeeScript , 也不清楚它們排名前后的原因。

我們也要看到使用這些數據得出結論的局限性:

• 這些項目是開源的，無法適用于封閉程式開發人員的報酬；
• Rapleaf數據不涉及總收入信息，樣本可能因此有所偏差；
• 我忽略了年齡、性別等因素對造成數據分布偏態的可能性；
• 我沒有分析所有的GitHub數據資源庫，作為樣本的用戶資料可能不具代表性。

綜上，即使在絕對值上有所偏差，這仍然是比較不同編程語言間相對收入差別的一個開始。

英文原文：bpodgursky.wordpress.com

譯文鏈接：http://www.36kr.com/p/205652.html