每种编程语言的平均收入

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潘砍绦蛟钡拿枋霰缺冉允牵一故呛芎闷嫠 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潘砍绦蛟钡拿枋霰缺冉允牵一故呛芎闷嫠鞘侨绾斡胂质抵械娜嗣 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：

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：

• Haskell是一种非常学术化的(academic)语言,因此学术界不会以薪资而闻名。
• PHP是一种非常通用的语言，普通的、年轻的、低收入的程序员都可以上手。
• 从图谱右侧最高的部分可看出，Java和ActionScript多用于企业级软件的开发，因此其薪资待遇是相当的可观。

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：

• 所有这些数据都来自开源项目，因而可能无法精确地体现那些闭源开发者们的收入水平。
• Rapleaf并没有完全统计所有人的收入，因此数据可能存在偏差。
• 数据(年龄、性别……)有误差
• 没有对Github上所有项目进行统计，因此结论可能不具有代表性。