เว็บ https://qiita.com เป็นเว็บเขียนบล็อกที่มีเนื้อหาเกี่ยวข้องกับคอมพิวเตอร์และการเขียนโปรแกรม มีนักเขียนโปรแกรมมากมายในญี่ปุ่นมาเขียนบทความและตามอ่าน

เว็บนี้มีระบบแท็กซึ่งแยกตามหัวข้อ เช่นภาษาต่างๆที่ใช้

เช่น บทความภาษาไพธอน เข้าไปดูได้ที่ https://qiita.com/tags/python

เนื่องจากเป็นเว็บแหล่งรวมนักเขียนโปรแกรมจากทั่วญี่ปุ่น จำนวนบทความในเว็บนี้จึงสะท้อนความนิยมของแต่ละภาษาในญี่ปุ่นได้เป็นอย่างดี

นอกจากนี้ แท็กสามารถกดตามได้ จำนวนคนกดตามแท็กของภาษาต่างๆก็น่าจะเป็นตัวช่วยวัดความนิยมของภาษาได้อีกส่วนนึง

ดังนั้นจึงลองดึงข้อมูลจำนวนบทความและจำนวนคนตามแท็กของภาษาต่างๆเพื่อมาเทียบดูสักหน่อย

ผลที่ได้ออกมาตามนี้ (ข้อมูลวันที่ 28 มิ.ย. 2019)

	จำนวนบทความ	จำนวนคนตาม
C	2632	21745
C++	5919	24876
C#	7428	23079
cobol	56	45
Clojure	619	550
CoffeeScript	1016	11736
Delphi	347	148
Elm	452	463
Erlang	524	446
Fortran	255	196
golang	2886	2025
Haskell	1904	9497
Java	12165	39527
JavaScript	26385	59736
Julia	570	620
Kotlin	2576	2243
lisp	267	358
Lua	452	320
matlab	369	360
Objective-C	3946	17766
Pascal	82	14
Perl	1469	12189
PHP	16170	37333
Prolog	207	96
Python	28671	55576
R	2727	1912
Ruby	21942	34068
Rust	1298	1527
Scala	2830	10363
Swift	11791	6603
TypeScript	3037	2325
VB.Net	359	322

แผนภูมิแท่ง เรียงตามลำดับ





จะเห็นว่าภาษา python เป็นภาษาที่มีคนเขียนบทความมากที่สุด ในขณะที่ภาษา javascript มีคนตามอ่านมากที่สุด

แต่ไม่ว่าจะมองด้านไหน ๒​ ภาษานี้ก็คะแนนสูสี และนำทิ้งห่างภาษาอื่นไปเยอะ ดังนั้น ๒ ภาษานี้จึงถือว่ายอดนิยมมากที่สุดในญี่ปุ่น

นอกจากนี้ภาษา java, PHP และ ruby ก็ได้รับความนิยมในลำดับต่อๆมา

ruby นั้นเป็นภาษาที่คิดโดยคนญี่ปุ่น จึงมีแนวโน้มได้รับความนิยมเป็นพิเศษที่ญี่ปุ่น

ภาษาในกลุ่ม C อย่าง C, C++, C# ก็ได้รับความนิยมมาก โดยมีคนตามจำนวนมาก แต่มีจำนวนบทความน้อย โดยเฉพาะ C แต่นั่นน่าจะเป็นเพราะคนส่วนใหญ่กดตามทั้ง C และ C++ แต่เวลาเขียนบทความมักจะแท็กแค่ C++ อย่างเดียว

ภาษา swift นั้นตรงกันข้าม คือมีคนตามน้อย แต่กลับมีคนเขียนบทความไว้มาก

นอกจากนั้นก็ตามมาด้วย perl, scala, haskell, golang, kotlin, ฯลฯ



ข้อมูลนี้ได้มาจากการเขียนโปรแกรมดึงข้อมูลอัตโนมัติโดยใช้ api ของ qiita

รายละเอียด https://qiita.com/api/v2/docs#タグ

เมื่อเข้า api ก็จะได้จำนวนคนที่ตามแท็กและจำนวนบทความออกมาเป็น json ดึงข้อมูลของแท็กภาษาต่างๆมาเทียบกันได้

การดึงข้อมูลมาสร้างตารางและเขียนแผนภูมิแท่งทำโดยโค้ดภาษาไพธอน

import requests
import matplotlib.pyplot as plt
import pandas as pd

lis_tagid = '''c c++ csharp cobol clojure coffeescript delphi elm
erlang fortran golang haskell java javascript julia
kotlin lisp lua matlab objective-c pascal perl php prolog
python r ruby rust scala swift typescript vb.net
'''.split()

phasa = []
n_follow = []
n_item = []
for tagid in lis_tagid:
    r = requests.get('https://qiita.com/api/v2/tags/'+tagid)
    r.raise_for_status()
    khomun = r.json()
    phasa.append(khomun['id'])
    n_follow.append(khomun['followers_count'])
    n_item.append(khomun['items_count'])

df = pd.DataFrame(index=phasa)
df['จำนวนบทความ'] = n_item
df['จำนวนคนตาม'] = n_follow
print(df)
y = range(len(phasa))

plt.figure(figsize=[6,6])
plt.axes(ylim=[min(y)-0.5,max(y)+0.5])
df.sort_values('จำนวนคนตาม',inplace=True)
plt.yticks(y,['%s: %6s'%x for x in df['จำนวนคนตาม'].iteritems()])
plt.barh(y,df['จำนวนคนตาม'],color='#882244')
plt.title(u'จำนวนคนตามอ่าน',family='Tahoma')
plt.tight_layout()

plt.figure(figsize=[6,6])
plt.axes(ylim=[min(y)-0.5,max(y)+0.5])
df.sort_values('จำนวนบทความ',inplace=True)
plt.yticks(y,['%s: %6s'%x for x in df['จำนวนบทความ'].iteritems()])
plt.barh(y,df['จำนวนบทความ'],color='#337744')
plt.title(u'จำนวนบทความ',family='Tahoma')
plt.tight_layout()
plt.show()

รายละเอียดเกี่ยวกับมอดูลที่ใช้ในนี้อ่านได้ใน
requests: https://phyblas.hinaboshi.com/20180320
matplotlib: https://phyblas.hinaboshi.com/saraban/numpy_matplotlib
pandas: https://phyblas.hinaboshi.com/saraban/pandas



แถมทิ้งท้าย โค้ดภาษารูบีสำหรับดึงข้อมูลอย่างเดียวกันนี้มา แต่แค่บันทึกเป็นไฟล์ .csv ไว้

require "open-uri"
require "json"
require "csv"

phasa = %w!c c++ csharp cobol clojure coffeescript delphi elm
erlang fortran golang haskell java javascript julia
kotlin lisp lua matlab objective-c pascal perl php prolog
python r ruby rust scala swift typescript vb.net!

col = %w!id items_count followers_count!

CSV.open('phasanaiqiita.csv','w'){|csv|
  phasa.each{|p|
    data = JSON.parse(open('https://qiita.com/api/v2/tags/'+p).read)
    csv << col.map{|c|data[c]}
  }
}

หากเทียบดูโดยรวมแล้วลักษณะการเขียนของรูบีนั้นจะสามารถเขียนได้กระชับกว่าไพธอนอยู่เล็กน้อย