Update basics.R

basics.R

@@ -1,17 +1,25 @@
 library(jsonlite)
 library(dplyr)
 library(ggplot2)
+library(scales)
 
 # Frische Daten gibt es unter
 # https://green-spider.netzbegruenung.de/api/v1/spider-results/table/
 sites <- fromJSON("data/table.json")
 
+# Beschreibung
+median(sites$score)
+mean(sites$score)
+
 # Daten aufbereiten
 sites$generator[sites$generator == ""] <- "UNBEKANNT"
 sites_kv <- filter(sites, meta.level == "DE:KREISVERBAND")
 sites_ov <- filter(sites, meta.level == "DE:ORTSVERBAND")
+sites_generator_gcms <- filter(sites, generator == "typo3-gcms")
+sites_reachable <- filter(sites, rating.SITE_REACHABLE.value == "TRUE")
 
 # die sites mit den CMS, die mind. 5 mal vorkommen
+# TODO: nicht filtern, sondern nicht-Top-CMSe in "SONSTIGE" umbenennen
 sites_top_cms <- sites %>% group_by(generator) %>% filter(n() >= 5) %>% filter(generator != "UNBEKANNT")
 
 # Punkte
@@ -103,3 +111,58 @@ ggplot(sites_top_cms, aes(x = reorder(generator, -rating.HTTP_RESPONSE_DURATION.
   coord_flip() +
   labs(title="Antwortzeiten nach CMS", x="CMS", y="Antwortzeit in Millisekunden (logarithmisch, Median in blau)")
 ggsave("plots/antwortzeiten_nach_cms_log.png")
+
+
+## Verhältnis Punkte - Antwortzeit
+responsetime_score <- data.frame(score = (sites_reachable$score - sites_reachable$rating.HTTP_RESPONSE_DURATION.score),
+                                 duration = sites_reachable$rating.HTTP_RESPONSE_DURATION.value)
+max_score = max(responsetime_score$score)
+score_breaks <- function(x, n = max_score) pretty(x, n)[pretty(x, n) %% 1 == 0]
+
+### Als Punkt-Plot
+ggplot(responsetime_score, aes(floor(score), duration)) +
+  geom_point() +
+  geom_jitter(width = .5, height = .2) +
+  geom_smooth(method = "loess")+
+  scale_y_log10(limits = c(30, 10001)) +
+  scale_x_continuous(breaks = score_breaks) +
+  labs(title="Verhältnis Punktzahl und Antwortzeit",
+       subtitle="Punktzahl auf ganze Zahlen gerundet, ohne Punkte für Antwortzeit",
+       x="Punktzahl (ohne Punkte für Antwortzeit)",
+       y="Antwortzeit (ms, logarithmisch)")
+ggsave("plots/antwortzeiten_zu_punkte_point_log.png")
+
+### Als Box-Plot
+ggplot(responsetime_score, aes(floor(score), duration)) +
+  geom_boxplot(aes(group = cut_interval(floor(score), (max_score - 1)))) +
+  scale_y_log10(limits = c(30, 10001)) +
+  scale_x_continuous(breaks = score_breaks) +
+  labs(title="Verhältnis Punktzahl und Antwortzeit",
+       x="Punktzahl (ohne Punkte für Antwortzeit)",
+       y="Antwortzeit (ms, logarithmisch)")
+ggsave("plots/antwortzeiten_zu_punkte_box_log.png")
+
+## Einzelne Site-Kriterien
+
+# Feeds nach CMS
+ggplot(sites_top_cms, aes(rating.FEEDS.value)) +
+  geom_bar(aes(fill = generator)) +
+  scale_x_discrete(labels=c("Ohne Feed","Mit Feed")) +
+  scale_fill_discrete(name = "CMS") +
+  labs(title="Sites mit und ohne Feed nach CMS",
+       x="",
+       y="Anzahl Sites")
+ggsave("plots/feeds_nach_cms_a.png")
+
+ggplot(sites_top_cms, aes(generator)) +
+  geom_bar(aes(fill = rating.FEEDS.value)) +
+  coord_flip() +
+  scale_fill_discrete(name = "Feed vorhanden", labels = c("Nein", "Ja")) +
+  labs(title="Sites mit und ohne Feed nach CMS",
+       x="",
+       y="Anzahl Sites")
+ggsave("plots/feeds_nach_cms_b.png")
+
+# Feeds - Nur GCMS
+ggplot(sites_generator_gcms, aes(rating.FEEDS.value)) +
+  geom_bar()