标签 统计 下的文章

了解有关项目编程语言的详细信息。

title=

近来，GitHub 添加了一个小指标来展示项目的细节，包括项目使用的编程语言。在这之前，对一个新的贡献者来说，了解他们感兴趣的项目的信息是较为困难的。

这个补充很有帮助，但是如果您想知道有关本地存储库中项目的相同信息该怎么办呢？ 这正是 Tokei 派上用场的地方。这是一个当你想和精通不同语言的人想要构建一个项目时可以告诉你项目的代码数据的特别有用的工具。

探索 Tokei

据其 README，“Tokei 是一个可以展示你的代码数据的程序。Tokei 将会展示文件的数量，和这些文件中不同语言的代码、注释、空白的行数。”它的 v.12.1.0 版本 elaborates 是这样子介绍的，“Tokei 是一个快速准确的代码分析 CLI 工具和库，可以使你轻松快速地在你的代码库中看到有多少空白、评论和代码行”。它能够识别超过 150 种编程语言。

$ ./tokei ~/exa/src ~/Work/wildfly/jaxrs
==================
Language   Files Lines Code Comments Blank
Java        46    6135  4324  945     632
XML         23    5211  4839  473     224
---------------------------------
Rust
Markdown
-----------------------------------
Total

安装 Tokei

在 Fedora 上安装 Tokei：

$ sudo dnf install tokei

用 Rust's Cargo 包管理器安装：

$ cargo install tokei

使用 Tokei

要列出当前目录中的代码统计：

$ tokei
===============================================================================
 Language            Files        Lines         Code     Comments       Blanks
===============================================================================
 Ada                    10         2840         1681          560          599
 Assembly                4         2508         1509          458          541
 GNU Style Assembly      4         2751         1528          748          475
 Autoconf               16         2294         1153          756          385
 Automake                1           45           34            0           11
 BASH                    4         1895         1602          133          160
 Batch                   2            4            4            0            0
 C                     330       206433       150241        23402        32790
 C Header              342        60941        24682        29143         7116
 CMake                  48         4572         3459          548          565
 C#                      9         1615          879          506          230
 C++                     5          907          599          136          172
 Dockerfile              2           16           10            0            6
 Fish                    1           87           77            5            5
 HTML                    1          545          544            1            0
 JSON                    5         8995         8995            0            0
 Makefile               10          504          293           72          139
 Module-Definition      12         1183         1046           65           72
 MSBuild                 1          141          140            0            1
 Pascal                  4         1443         1016          216          211
 Perl                    2          189          137           16           36
 Python                  4         1257          949          112          196
 Ruby                    1           23           18            1            4
 Shell                  15         1860         1411          222          227
 Plain Text             35        29425            0        26369         3056
 TOML                   64         3180         2302          453          425
 Visual Studio Pro|     30        14597        14597            0            0
 Visual Studio Sol|      6          655          650            0            5
 XML                     1          116           95           17            4
 YAML                    2           81           56           12           13
 Zsh                     1           59           48            8            3
-------------------------------------------------------------------------------
 Markdown               55         4677            0         3214         1463
 |- C                    1            2            2            0            0
 |- Rust                19          336          268           20           48
 |- TOML                23           61           60            0            1
 (Total)                           5076          330         3234         1512
-------------------------------------------------------------------------------
 Rust                  496       210966       188958         5348        16660
 |- Markdown           249        17676         1551        12502         3623
 (Total)                         228642       190509        17850        20283
===============================================================================
 Total                1523       566804       408713        92521        65570
===============================================================================
$

下面的命令打印出了支持的语言和拓展：

$ tokei -l
ABNF
ABAP
ActionScript
Ada
Agda
Alex
Alloy
Arduino C++
AsciiDoc
ASN.1
ASP
ASP.NET
Assembly
GNU Style Assembly

如果你在两个文件夹上运行 tokei 并指定其位置作为参数，它将以先入先出的规则打印单个文件的统计数据：

title=

默认情况下，tokei 仅仅输出有关语言的数据，但是使用 --files 标记可提供单个文件统计信息：

$ tokei ~/exa/src --files
===========================================================================================
 Language                              Files      Lines      Code             Comments     Blanks
===========================================================================================
 Rust                                   54          9339        7070             400       1869
 |- Markdown                            33          1306           0            1165        141
 (Total)                                           10645        7070        1565       2010
-------------------------------------------------------------------------------------------
 /home/ssur/exa/src/theme/default_theme.rs           130         107           0         23
 /home/ssur/exa/src/output/render/times.rs            30          24           0          6
 /home/ssur/exa/src/output/render/users.rs            98          76           0         22
 /home/ssur/exa/src/output/render/size.rs            182         141           3         38
 /home/ssur/exa/src/output/render/octal.rs           116          88           0         28
 /home/ssur/exa/src/output/render/mod.rs              33          20           3         10
 /home/ssur/exa/src/output/render/inode.rs            28          20           0          8
 /home/ssur/exa/src/output/render/links.rs            87          65           0         22
 /home/ssur/exa/src/output/render/groups.rs          123          93           0         30
 |ome/ssur/exa/src/output/render/filetype.rs          31          26           0          5
 /home/ssur/exa/src/output/render/blocks.rs           57          40           0         17
 /home/ssur/exa/src/output/render/git.rs             108          87           0         21
 |/ssur/exa/src/output/render/permissions.rs         204         160           3         41
 /home/ssur/exa/src/output/grid.rs                    67          51           3         13
 /home/ssur/exa/src/output/escape.rs                  26          18           4          4
 /home/ssur/exa/src/theme/lsc.rs                     235         158          39         38
 /home/ssur/exa/src/options/theme.rs                 159         124           6         29
 /home/ssur/exa/src/options/file_name.rs              46          39           0          7
 /home/ssur/exa/src/options/flags.rs                  84          63           6         15
 /home/ssur/exa/src/fs/mod.rs                         10           8           0          2
 /home/ssur/exa/src/fs/feature/mod.rs                 33          25           0          8
-- /home/ssur/exa/src/output/time.rs ---------------------------------------------------------------
 |- Rust                                             215          170          5         40
 |- Markdown                                          28            0         25          3

总结

我发现使用 tokei 来了解我的代码统计数据十分容易。另一个使用 tokei 的好处就是它可以用作为一个很容易集成到其他项目的库。访问 Tokei 的 Crate.io page 和 Docs.rs 网站来了解其更多用法。如果你想参与其中，你也可以通过它的 GitHub 仓库 来为 Tokei 作贡献。

你是否觉得 Tokei 很有用呢？可以在下方的评论区告诉我们。

via: https://opensource.com/article/21/6/tokei

作者：Sudeshna Sur 选题：lujun9972 译者：zepoch 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

R 还是 Python ? Python 脚本模仿易使用的 R 风格函数，使得数据统计变得简单易行。

“Python vs. R” 是数据科学和机器学习的现代战争之一。毫无疑问，近年来这两者发展迅猛，成为数据科学、预测分析和机器学习领域的顶级编程语言。事实上，根据 IEEE 最近的一篇文章，Python 已在 最受欢迎编程语言排行榜 中超越 C++ 成为排名第一的语言，并且 R 语言也稳居前 10 位。

但是，这两者之间存在一些根本区别。R 语言设计的初衷主要是作为统计分析和数据分析问题的快速原型设计的工具，另一方面，Python 是作为一种通用的、现代的面向对象语言而开发的，类似 C++ 或 Java，但具有更简单的学习曲线和更灵活的语言风格。因此，R 仍在统计学家、定量生物学家、物理学家和经济学家中备受青睐，而 Python 已逐渐成为日常脚本、自动化、后端 Web 开发、分析和通用机器学习框架的顶级语言，拥有广泛的支持基础和开源开发社区。

在 Python 环境中模仿函数式编程

R 作为函数式编程语言的本质为用户提供了一个极其简洁的用于快速计算概率的接口，还为数据分析问题提供了必不可少的描述统计和推论统计方法（LCTT 译注：统计学从功能上分为描述统计学和推论统计学）。例如，只用一个简洁的函数调用来解决以下问题难道不是很好吗？

  • 如何计算数据向量的平均数 / 中位数 / 众数。
  • 如何计算某些服从正态分布的事件的累积概率。如果服 从泊松分布 Poisson distribution 又该怎样计算呢？
  • 如何计算一系列数据点的四分位距。
  • 如何生成服从学生 t 分布的一些随机数（LCTT 译注： 在概率论和统计学中，学生 t-分布（Student’s t-distribution）可简称为 t 分布，用于根据小样本来估计呈正态分布且方差未知的总体的均值）。

R 编程环境可以完成所有这些工作。

另一方面，Python 的脚本编写能力使分析师能够在各种分析流程中使用这些统计数据，具有无限的复杂性和创造力。

要结合二者的优势，你只需要一个简单的 Python 封装的库，其中包含与 R 风格定义的概率分布和描述性统计相关的最常用函数。 这使你可以非常快速地调用这些函数，而无需转到正确的 Python 统计库并理解整个方法和参数列表。

便于调用 R 函数的 Python 包装脚本

我编写了一个 Python 脚本 ，用 Python 简单统计分析定义了最简洁和最常用的 R 函数。导入此脚本后，你将能够原生地使用这些 R 函数，就像在 R 编程环境中一样。

此脚本的目标是提供简单的 Python 函数，模仿 R 风格的统计函数，以快速计算密度估计和点估计、累积分布和分位数，并生成重要概率分布的随机变量。

为了延续 R 风格，脚本不使用类结构，并且只在文件中定义原始函数。因此，用户可以导入这个 Python 脚本，并在需要单个名称调用时使用所有功能。

请注意，我使用 mimic 这个词。 在任何情况下，我都声称要模仿 R 的真正的函数式编程范式，该范式包括深层环境设置以及这些环境和对象之间的复杂关系。 这个脚本允许我（我希望无数其他的 Python 用户）快速启动 Python 程序或 Jupyter 笔记本程序、导入脚本，并立即开始进行简单的描述性统计。这就是目标，仅此而已。

如果你已经写过 R 代码（可能在研究生院）并且刚刚开始学习并使用 Python 进行数据分析，那么你将很高兴看到并在 Jupyter 笔记本中以类似在 R 环境中一样使用一些相同的知名函数。

无论出于何种原因，使用这个脚本很有趣。

简单的例子

首先，只需导入脚本并开始处理数字列表，就好像它们是 R 中的数据向量一样。

from R_functions import *
lst=[20,12,16,32,27,65,44,45,22,18]
<more code, more statistics...>

假设你想从数据向量计算 Tuckey 五数摘要。 你只需要调用一个简单的函数 fivenum，然后将向量传进去。 它将返回五数摘要，存在 NumPy 数组中。

lst=[20,12,16,32,27,65,44,45,22,18]
fivenum(lst)
> array([12. , 18.5, 24.5, 41. , 65. ])

或许你想要知道下面问题的答案：

假设一台机器平均每小时输出 10 件成品，标准偏差为 2。输出模式遵循接近正态的分布。 机器在下一个小时内输出至少 7 个但不超过 12 个单位的概率是多少？

答案基本上是这样的：

使用 pnorm ，你可以只用一行代码就能获得答案：

pnorm(12,10,2)-pnorm(7,10,2)
> 0.7745375447996848

或者你可能需要回答以下问题：

假设你有一个不公平硬币，每次投它时有 60％ 可能正面朝上。 你正在玩 10 次投掷游戏。 你如何绘制并给出这枚硬币所有可能的胜利数（从 0 到 10）的概率？

只需使用一个函数 dbinom 就可以获得一个只有几行代码的美观条形图：

probs=[]
import matplotlib.pyplot as plt
for i in range(11):
    probs.append(dbinom(i,10,0.6))
plt.bar(range(11),height=probs)
plt.grid(True)
plt.show()

简单的概率计算接口

R 提供了一个非常简单直观的接口，可以从基本概率分布中快速计算。 接口如下：

  • d 分布：给出点 x 处的密度函数值
  • p 分布：给出 x 点的累积值
  • q 分布：以概率 p 给出分位数函数值
  • r 分布：生成一个或多个随机变量

在我们的实现中，我们坚持使用此接口及其关联的参数列表，以便你可以像在 R 环境中一样执行这些函数。

目前已实现的函数

脚本中实现了以下 R 风格函数，以便快速调用。

  • 平均数、中位数、方差、标准差
  • Tuckey 五数摘要、 四分位距 interquartile range （IQR）
  • 矩阵的协方差或两个向量之间的协方差
  • 以下分布的密度、累积概率、分位数函数和随机变量生成：正态、均匀、二项式、 泊松 Poisson 、F、 学生 t Student’s t 、 卡方 Chi-square 、 贝塔 beta 和 伽玛 gamma

进行中的工作

显然，这是一项正在进行的工作，我计划在此脚本中添加一些其他方便的R函数。 例如，在 R 中，单行命令 lm 可以为数字数据集提供一个简单的最小二乘拟合模型，其中包含所有必要的推理统计（P 值，标准误差等）。 这非常简洁！ 另一方面，Python 中的标准线性回归问题经常使用 Scikit-learn 库来处理，此用途需要更多的脚本，所以我打算使用 Python 的 statsmodels 库合并这个单函数线性模型来拟合功能。

如果你喜欢这个脚本，并且愿意在工作中使用，请 GitHub 仓库点个 star 或者 fork 帮助其他人找到它。 另外，你可以查看我其他的 GitHub 仓库，了解 Python、R 或 MATLAB 中的有趣代码片段以及一些机器学习资源。

如果你有任何问题或想法要分享，请通过 [tirthajyoti [AT] gmail.com](mailto:[email protected]) 与我联系。 如果你像我一样热衷于机器学习和数据科学，请 在 LinkedIn 上加我为好友或者在 Twitter 上关注我。

本篇文章最初发表于走向数据科学。 请在 CC BY-SA 4.0 协议下转载。

via: https://opensource.com/article/18/10/write-favorite-r-functions-python

作者：Tirthajyoti Sarkar 选题：lujun9972 译者：yongshouzhang 校对：Flowsnow

本文由 LCTT 原创编译，Linux中国 荣誉推出

用于统计技术的 R 项目是分析数据的有力方式，而 RStudio IDE 则可使这一切更加容易。

从我记事起，我就一直喜欢摆弄数字。作为 20 世纪 70 年代后期的大学生，我上过统计学的课程，学习了如何检查和分析数据以揭示其意义。

那时候，我有一部科学计算器，它让统计计算变得比以往更容易。在 90 年代早期，作为一名从事 t 检验 t-test 、相关性以及 ANOVA 研究的教育心理学研究生，我开始通过精心编写输入到 IBM 主机的文本文件来进行计算。这个主机远超我的手持计算器，但是一个小的空格错误就会导致整个过程无效，而且这个过程仍然有点乏味。

撰写论文时，尤其是我的毕业论文，我需要一种方法能够根据我的数据来创建图表，并将它们嵌入到文字处理文档中。我着迷于 Microsoft Excel 及其数字运算能力以及可以用计算结果创建出的大量图表。但这条路每一步都有成本。在 20 世纪 90 年代，除了 Excel，还有其他专有软件包，比如 SAS 和 SPSS+，但对于我那已经满满的研究生时间表来说，学习曲线是一项艰巨的任务。

快速回到现在

最近，由于我对数据科学的兴趣浓厚，加上对 Linux 和开源软件感兴趣，我阅读了大量的数据科学文章，并在 Linux 会议上听了许多数据科学演讲者谈论他们的工作。因此，我开始对编程语言 R（一种开源的统计计算软件）非常感兴趣。

起初，这只是一个偶发的一个想法。当我和我的朋友 Michael J. Gallagher 博士谈论他如何在他的 博士论文 研究中使用 R 时，这个火花便增大了。最后，我访问了 R 项目 的网站，并了解到我可以轻松地安装 R for Linux。游戏开始！

安装 R

根据你的操作系统和发行版情况，安装 R 会稍有不同。请参阅 Comprehensive R Archive Network （CRAN）网站上的安装指南。CRAN 提供了在 各种 Linux 发行版，Fedora，RHEL，及其衍生版，MacOS 和 Windows 上的安装指示。

我在使用 Ubuntu，按照 CRAN 的指示，将以下行加入到我的 /etc/apt/sources.list 文件中：

deb https://<my.favorite.cran.mirror>/bin/linux/ubuntu artful/

接着我在终端运行下面命令：

$ sudo apt-get update
$ sudo apt-get install r-base

根据 CRAN 说明，“需要从源码编译 R 的用户[如包的维护者，或者任何通过 install.packages() 安装包的用户]也应该安装 r-base-dev 的包。”

使用 R 和 RStudio

安装好了 R，我就准备了解更多关于使用这个强大的工具的信息。Gallagher 博士推荐了 DataCamp 上的 “R 语言入门”，并且我也在 Code School 找到了适用于 R 新手的免费课程。两门课程都帮助我学习了 R 的命令和语法。我还参加了 Udemy 上的 R 在线编程课程，并从 No Starch 出版社 上购买了 R 之书。

在阅读更多内容并观看 YouTube 视频后，我意识到我还应该安装 RStudio。Rstudio 是 R 语言的开源 IDE，易于在 Debian、Ubuntu、 Fedora 和 RHEL 上安装。它也可以安装在 MacOS 和 Windows 上。

根据 RStudio 网站的说明，可以根据你的偏好对 IDE 进行自定义，具体方法是选择工具菜单，然后从中选择全局选项。

R 提供了一些很棒的演示例子，可以通过在提示符处输入 demo() 从控制台访问。demo(plotmath) 和 demo(perspective) 选项为 R 强大的功能提供了很好的例证。我尝试过一些简单的 vectors 并在 R 控制台的命令行中绘制，如下所示。

你可能想要开始学习如何将 R 和一些样本数据结合起来使用，然后将这些知识应用到自己的数据上得到描述性统计。我自己没有丰富的数据来分析，但我搜索了可以使用的数据集 datasets；有一个这样的数据集（我并没有用这个例子）是由圣路易斯联邦储备银行提供的 经济研究数据。我对一个题为“美国商业航空公司的乘客里程（1937-1960）”很感兴趣，因此我将它导入 RStudio 以测试 IDE 的功能。RStudio 可以接受各种格式的数据，包括 CSV、Excel、SPSS 和 SAS。

数据导入后，我使用 summary(AirPassengers) 命令获取数据的一些初始描述性统计信息。按回车键后，我得到了 1949-1960 年的每月航空公司旅客的摘要以及其他数据，包括飞机乘客数量的最小值、最大值、四分之一位数、四分之三位数、中位数以及平均数。

我从摘要统计信息中知道航空乘客样本的均值为 280.3。在命令行中输入 sd(AirPassengers) 会得到标准偏差，在 RStudio 控制台中可以看到：

接下来，我生成了一个数据直方图，通过输入 hist(AirPassengers); 得到，这会以图形的方式显示此数据集；RStudio 可以将数据导出为 PNG、PDF、JPEG、TIFF、SVG、EPS 或 BMP。

除了生成统计数据和图形数据外，R 还记录了我所有的历史操作。这使得我能够返回先前的操作，并且我可以保存此历史记录以供将来参考。

在 RStudio 的脚本编辑器中，我可以编写我发出的所有命令的脚本，然后保存该脚本以便在我的数据更改后能再次运行，或者想重新访问它。

获得帮助

在 R 提示符下输入 help() 可以很容易找到帮助信息。输入你正在寻找的信息的特定主题可以找到具体的帮助信息，例如 help(sd) 可以获得有关标准差的帮助。通过在提示符处输入 contributors() 可以获得有关 R 项目贡献者的信息。您可以通过在提示符处输入 citation() 来了解如何引用 R。通过在提示符出输入 license() 可以很容易地获得 R 的许可证信息。

R 是在 GNU General Public License（1991 年 6 月的版本 2，或者 2007 年 6 月的版本 3）的条款下发布的。有关 R 许可证的更多信息，请参考 R 项目官网。

另外，RStudio 在 GUI 中提供了完美的帮助菜单。该区域包括 RStudio 快捷表（可作为 PDF 下载），RStudio的在线学习、RStudio 文档、支持和 许可证信息。

via: https://opensource.com/article/18/2/getting-started-RStudio-IDE

作者：Don Watkins 译者：szcf-weiya 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

嗨，伙计们，今天我们再次带来一系列可以多方面帮助到你的复杂的命令。 通过操作命令，可以帮助您计数当前目录中的文件和目录、递归计数，统计特定用户创建的文件列表等。

在本教程中，我们将向您展示如何使用多个命令，并使用 ls、egrep、wc 和 find 命令执行一些高级操作。 下面的命令将可用在多个方面。

为了实验，我打算总共创建 7 个文件和 2 个文件夹（5 个常规文件和 2 个隐藏文件）。 下面的 tree 命令的输出清楚的展示了文件和文件夹列表。

# tree -a /opt
/opt
├── magi
│   └── 2g
│   ├── test5.txt
│   └── .test6.txt
├── test1.txt
├── test2.txt
├── test3.txt
├── .test4.txt
└── test.txt

2 directories, 7 files

示例-1

统计当前目录的文件（不包括隐藏文件）。 运行以下命令以确定当前目录中有多少个文件，并且不计算点文件（LCTT 译注：点文件即以“.” 开头的文件，它们在 Linux 默认是隐藏的）。

# ls -l . | egrep -c '^-'
4

细节：

  • ls ： 列出目录内容
  • -l ： 使用长列表格式
  • . ： 列出有关文件的信息（默认为当前目录）
  • | ： 将一个程序的输出发送到另一个程序进行进一步处理的控制操作符
  • egrep ： 打印符合模式的行
  • -c ： 通用输出控制
  • '^-' ： 以“-”开头的行（ls -l 列出长列表时，行首的 “-” 代表普通文件）

示例-2

统计当前目录包含隐藏文件在内的文件。 包括当前目录中的点文件。

# ls -la . | egrep -c '^-'
5

示例-3

运行以下命令来计数当前目录的文件和文件夹。 它会计算所有的文件和目录。

# ls -l | wc -l
5

细节：

  • ls ： 列出目录内容
  • -l ： 使用长列表格式
  • | ： 将一个程序的输出发送到另一个程序进行进一步处理的控制操作符
  • wc ： 这是一个统计每个文件的换行符、单词和字节数的命令
  • -l ： 输出换行符的数量

示例-4

统计当前目录包含隐藏文件和目录在内的文件和文件夹。

# ls -la | wc -l
8

示例-5

递归计算当前目录的文件，包括隐藏文件。

# find . -type f | wc -l
7

细节 ：

  • find ： 搜索目录结构中的文件
  • -type ： 文件类型
  • f ： 常规文件
  • wc ： 这是一个统计每个文件的换行符、单词和字节数的命令
  • -l ： 输出换行符的数量

示例-6

使用 tree 命令输出目录和文件数（不包括隐藏文件）。

# tree | tail -1
2 directories, 5 files

示例-7

使用包含隐藏文件的 tree 命令输出目录和文件计数。

# tree -a | tail -1
2 directories, 7 files

示例-8

运行下面的命令递归计算包含隐藏目录在内的目录数。

# find . -type d | wc -l
3

示例-9

根据文件扩展名计数文件数量。 这里我们要计算 .txt 文件。

# find . -name "*.txt" | wc -l
7

示例-10

组合使用 echo 命令和 wc 命令统计当前目录中的所有文件。 4 表示当前目录中的文件数量。

# echo *.* | wc
1       4      39

示例-11

组合使用 echo 命令和 wc 命令来统计当前目录中的所有目录。 第二个 1 表示当前目录中的目录数量。

# echo */ | wc
1       1       6

示例-12

组合使用 echo 命令和 wc 命令来统计当前目录中的所有文件和目录。 5 表示当前目录中的目录和文件的数量。

# echo * | wc
1 5 44

示例-13

统计系统（整个系统）中的文件数。

# find / -type f | wc -l
69769

示例-14

统计系统（整个系统）中的文件夹数。

# find / -type d | wc -l
8819

示例-15

运行以下命令来计算系统（整个系统）中的文件、文件夹、硬链接和符号链接数。

# find / -type d -exec echo dirs \; -o -type l -exec echo symlinks \; -o -type f -links +1 -exec echo hardlinks \; -o -type f -exec echo files \; | sort | uniq -c
   8779 dirs
  69343 files
     20 hardlinks
  11646 symlinks

via: https://www.2daygeek.com/how-to-count-the-number-of-files-and-folders-directories-in-linux/

作者：Magesh Maruthamuthu 译者：Flowsnow 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

如果，你像我这样，是个对统计数据有着狂热癖好的人，那么你必须在你的计算机上安装这个小应用：WhatPulse

此软件会追踪用户的击键、鼠标点击以及使用的带宽和系统开机时间。用户可以周期性地，或者手动上传击键的数量到服务器上，这称之为“脉动”。

用户可以看到他们在所有加入该程序的人的领先选手排行板的所处位置，并且与他们自己国家的人作比较。用户也可以加入团队，在团队中他们可以和有着相同爱好的人作对比（去吧，Linux用户们！！）。

软件分为免费的基础版和高级版，在基础版中你可以查看并检查所有的基本统计数据，而在高级版中你可以看到更多。

该软件可用于Linux，Windows和Mac。

在线注册

第一步，你必须在WhatPulse网站注册帐号，或者也可以在你第一次启动WhatPulse客户端时出现的实用向导中创建帐号，以用于上传自己的统计数据（你也可以使用Facebook的帐号登录）。

你会被提示需要登录，登录之后，你必须找到你的计算机名，这是因为你可以通过该帐号登录到多台计算机，而它们的数据都会上传到同一统计帐号。一旦你登入后，一个小小的W将出现在你的系统托盘中，那就对了，你已搞定！

在Linux上安装WhatPulse

官方网站在下载页提供了一个通用版本的.tar.gz归档压缩包（用于32位和64位）和一个debian包。

就我个人而言，我已经在我的Mint Qiana上安装了debian包，在我的Arch LinuxAur包一点问题都没有。

如果你想要使用通用版本安装，请记住：WhatPulse需要几个库文件。最主要的是QT，因为WhatPulse构建于QT平台。下面列出了软件安装需求：

  • libQtCore
  • libQtWebKit
  • libqt4-sql
  • libqt4-sql-sqlite
  • openssl-devel (libssl-dev)
  • libQtScript

输入统计数据

客户端需要设置相应的权限，以读取键盘/鼠标输入。运行包含的交互脚本.sh来设置这些权限。

网络统计数据

要启用网络测量，你也需要libpcap包来允许WhatPulse挂钩到网络通信。如果WhatPulse找不到libpcap，它会运行，但不会显示任何网络统计数据。

使用应用程序

默认情况下，WhatPulse会在登入图形会话后自动启动。点击系统托盘上的W图标，你将进入总览标签页，这里显示你机器上收集到的所有不同信息的鸟瞰图。例如，安装在你PC上的Linux版本、处理器型号、RAM、GPU、总点击次数、击键和带宽使用。点击这些信息下面的‘Pulse’，它将会上传这些收集到的数据到主服务器上。

也可以选择自动‘Pulse’数据到服务器的时间，如每50.000点击，或者1GB下载量。

要了解深度详情，你可以切换到每个类目的附属标签。例如，Input标签展示给你的是注册后一段时间内的击键的数量和点击次数。时间周期分为每日、每周、每月、每年以及全时。‘all’设置将显示程序安装以来的数据。

在击键下面，你会找到键盘点击热图，它简单地使用冷暖色显示选定周期内各个键的使用状况，如上述截图所示。在图的下面，应用显示了选定周期内记录的点击总量。

在Network标签下，可以查看到日常互联网使用情况。应用程序可以监控所有网络设备的带宽使用量，甚至也可以给你展示按国家分布的带宽使用情况。再次提醒，你可以使用顶部右边的箭头按钮浏览可用的数据。

在网站上，你会看到与客户端上相同的所有统计数据。

免责声明：上面的WhatPulse网站链接包含了我的参考链接，注册时可以使用该链接，这会让我的帐号在某天升级到高级帐号。

via: http://linuxaria.com/recensioni/check-how-much-do-you-type-with-whatpulse-on-linux

作者：linuxari 译者：GOLinux 校对：wxy

本文由 LCTT 原创翻译，Linux中国 荣誉推出