pandas统计git日志中各作者无重复commit提交次数的实现方法

解决方案 #

你可以通过以下两种方式统计去重后的作者提交次数：

1. 先去重再统计
   如果仅需要统计提交次数，可先按commit哈希列（你csv中列名为sha）去重，再统计作者频次：

# 按sha列去重后统计作者提交次数，取前10
commit_data.drop_duplicates(subset='sha')['Author'].value_counts().head(10)

2. 分组统计唯一值（推荐）
   如果后续还需要用到文件维度的增删行数数据，不需要修改原数据集，直接通过分组统计唯一commit哈希的数量即可：

# 按作者分组，统计每个作者对应的唯一sha数量，降序排列取前10
commit_data.groupby('Author')['sha'].nunique().sort_values(ascending=False).head(10)

如果需要同时统计提交次数、总新增/删除行数等多维度指标，可以一次性完成聚合：

# 请将add_line、delete_line替换为你csv中对应新增、删除行数的列名
author_stats = commit_data.groupby('Author').agg(
    提交次数=('sha', 'nunique'),
    新增总行数=('add_line', 'sum'),
    删除总行数=('delete_line', 'sum')
).sort_values('提交次数', ascending=False).reset_index()

内容的提问来源于stack exchange，提问作者milan