LCTT/Grank

grank 项目的可能出现误差的点

Open

#11 建立於 2018年10月1日

在 GitHub 查看
 (0 留言) (0 反應) (0 負責人)Python (237 star) (37 fork)user submission
enhancementhelp wanted

描述

可能导致误差的点

1. 丢弃项目中未设定时间的 commit / pr

在使用 GraphQL 抓取数据时，发现了部分 commit / pr 是未标注时间的，未确保这些 dirty data 不影响项目的分析，丢弃了这部分数据。但是同样可能导致数据分析的结果不够精确。

相关代码位置：https://github.com/LCTT/Grank/blob/53790555c6f06a3bbcb22f9211003c0907c51652/grank/script/activity.py#L76

2. 邮箱不精确

在使用 GraphQL 抓取数据时，发现部分 commit/pr 的email 为 github 域下的，考虑到无法对 Github 域下的项目分析其所属的企业和个人，将此部分数据丢弃。以确保社区化分析的准确性。

https://github.com/LCTT/Grank/blob/7b00abb67f1c0dde18ddb3ac8da2046f722e3444/grank/libs/helpers.py#L229-L234

貢獻者指南

技術棧
python
領域
data
議題類型
research
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-3 hours
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
stale
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
clear
前置要求
Pythondata analysisGitHub API
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
60
研究方向
Examine the code in grank/script/activity.py line 76 and grank/libs/helpers.py lines 229-234. Quantify the number of discarded records and assess their impact on the analysis accuracy. Explore options to retain or infer timestamps for commits/PRs missing them, and to map GitHub email domains to organizations if possible.