开源GitHub仓库星标-问题与拉取请求数据分析集-2011-mohammedmecheter
数据来源：互联网公开数据
标签：GitHub,开源项目,数据集,星标,问题,拉取请求,数据清理,时间序列,编程
数据概述：
本数据集包含了通过GitHub API收集的GitHub仓库、问题和拉取请求的详细信息。数据涵盖了仓库的元数据（如星标数、分支数、开放问题数）以及历史数据（包括问题和拉取请求的创建、关闭和合并时间线）。数据集分为三个部分：仓库数据、问题数据和拉取请求数据。
仓库数据字典：
本部分数据包含GitHub仓库的详细信息，包括元数据，如星标数、分支数和活动状态。
列名 数据类型 描述
id object 仓库的唯一标识符
name object 仓库名称（例如："docker"）
full_name object 仓库的完整名称（例如："prometheus/alertmanager"）
description object 仓库的描述，可能为空
stars int64 仓库获得的星标数
forks int64 仓库被分支的次数
open_issues int64 仓库中的开放问题数
created_at datetime 仓库创建的日期和时间
updated_at datetime 仓库最后更新的日期和时间
size_category object 基于星标数对仓库的分类（micro, small, medium, large, mega）
stale bool 布尔值标志，指示仓库是否“过时”（超过6个月未更新）
stars_per_fork float64 每次分支获得的星标数（计算得出）
stars_per_issue float64 每个开放问题获得的星标数（计算得出）
contributor_per_star float64 每个星标对应的贡献者数（计算得出）
total_contributors int64 通过问题和拉取请求的总贡献者数
问题数据字典：
本部分数据包含仓库中提出的问题详情，包括创建、关闭和状态的相关信息。
列名 数据类型 描述
id object 问题的唯一标识符
created_at datetime 问题创建的日期和时间
updated_at datetime 问题最后更新的日期和时间
closed_at datetime 问题关闭的日期和时间（可选，未关闭则为空）
number int64 GitHub仓库中的问题编号
repository object 问题所属的仓库名称
state object 问题的当前状态（"open"或"closed"）
title object 问题的标题
resolution_time_days float64 解决问题所用的天数（计算得出，未解决则为-1）
拉取请求数据字典：
本部分数据包含仓库中的拉取请求信息，包括元数据，如状态、创建、关闭和合并时间。
列名 数据类型 描述
id object 拉取请求的唯一标识符
created_at datetime 拉取请求创建的日期和时间
updated_at datetime 拉取请求最后更新的日期和时间
closed_at datetime 拉取请求关闭的日期和时间（可选，未关闭则为空）
merged_at datetime 拉取请求合并的日期和时间（可选，未合并则为空）
number int64 GitHub仓库中的拉取请求编号
repository object 拉取请求所属的仓库名称
state object 拉取请求的当前状态（"open"、"closed"或"merged"）
title object 拉取请求的标题
merge_time_days float64 合并拉取请求所用的天数（计算得出，未合并则为-1）
一般注意事项：
日期列：所有created_at、updated_at、closed_at和merged_at列均为UTC时区
数值列：如stars、forks和open_issues等字段缺失时，使用0填充
缺失数据：对于closed_at或merged_at等可选字段，缺失值处理为空值（或Pandas中的NaN）
计算列：resolution_time_days、merge_time_days和contributor_per_star等列是在数据清理和转换过程中添加的派生指标
附加文件和使用说明：
CSV文件：清洗和转换后的数据集保存为.csv文件
repo_data.csv：清洗后的仓库数据
issues_data.csv：清洗后的问题数据
pr_data.csv：清洗后的拉取请求数据
数据用途概述：
该数据集适用于开源项目分析、开发贡献者行为研究、项目健康度评估等多个场景。研究人员可以利用此数据了解项目的活跃度和参与度；开发者可以分析项目中的问题和拉取请求以优化项目管理流程；政策制定者可基于数据评估开源项目的健康状况和社区活跃度。此外，数据集也适合用于教育培训，帮助学习者理解开源项目的运作机制和开发过程中的沟通协作模式。
