Estadisticas duraciones dos primeras paginas por tipo

codigo/Cesta.py

@@ -11,7 +11,8 @@ class Cesta:
     def obtenerFlags(self, sesiones, tam):
         # Se rellenan los flags segun si son de la misma sesion o no para cada directorio
         for i in range(tam):
-            if sesiones[i] == self.sesion:  # Hay que obtener distribuciones de frecuencia aquí o no ############################3
+            if sesiones[
+                i] == self.sesion:  # Hay que obtener distribuciones de frecuencia aquí o no ############################3
                 self.flags.append(True)
             else:
                 self.flags.append(False)

codigo/Dato.py

@@ -7,10 +7,10 @@ class Dato:
     def __init__(self, cadena):
         # Atributos
         self.Host_Remoto = None
-        self.Clave=None
-        self.Usuario=None
+        self.Clave = None
+        self.Usuario = None
         self.Fecha = None
-        self.Offset=None
+        self.Offset = None
         self.Metodo_Peticion = None
         self.URL_Solicitada = None
         self.V_Protocolo = None
@@ -38,11 +38,11 @@ class Dato:
 
         # Obtenemos todos los valores necesarios, hostRemoto, fecha
         self.Host_Remoto, c = sacarLinea(cadena, c, aux, ' ')
-        self.Clave,c = sacarLinea(cadena, c, aux, ' ')
-        self.Usuario,c = sacarLinea(cadena, c, aux, ' ')
+        self.Clave, c = sacarLinea(cadena, c, aux, ' ')
+        self.Usuario, c = sacarLinea(cadena, c, aux, ' ')
         self.Fecha, c = leerFecha(cadena, c, aux)
         self.Offset, c = sacarLinea(cadena, c, aux, ']')
-        self.Offset=self.Offset[1:len(self.Offset)]
+        self.Offset = self.Offset[1:len(self.Offset)]
 
         # Obtenemos modo de petición, url y protocolo
         c = leerLinea(cadena, c, '"')
@@ -60,7 +60,13 @@ class Dato:
         fechaBase = datetime.strptime("01/01/1995:00:00:00", '%d/%m/%Y:%H:%M:%S').timestamp()
         self.Marca_Tiempo = int(fechaRegistro - fechaBase)
 
-
+    def enlaceDeContenido(self):
+        c = len(self.URL_Solicitada) - 1
+        while c > 0:
+            if self.URL_Solicitada[c] == '.':
+                return True
+            c -= 1
+        return False
 
     # Se consideran valores erroneos, anomalos o nulos para descartarse este dato (se ignora
     def isPerdido(self):

codigo/DirectoriosMasSolicitados_GUI.py

@@ -37,7 +37,6 @@ class DirectoriosMasSol:
         self.tabla.heading('#4', text="Porcentaje")
         self.tabla.column('#4', width=150, anchor=CENTER)
 
-
         # Inserto los registros
         self.tabla.delete(*self.tabla.get_children())
         index = 0
@@ -45,7 +44,7 @@ class DirectoriosMasSol:
         self.tabla.insert("", 'end', values=total)
         for i in range(num_dir):
             index += 1
-            per = ("{:.2f}".format(cont[i]/len(reg) * 100) + "%")
+            per = ("{:.2f}".format(cont[i] / len(reg) * 100) + "%")
             aux = [str(index), d[i], cont[i], per]
             self.tabla.insert("", 'end', values=aux)
 

codigo/Filtros.py

@@ -2,12 +2,12 @@
 
 
 def getFormatosFromCSV(cad):
-    if cad !="" and cad[len(cad)-1]!=';':
-        cad+=';'
-    ret= cad.split(sep=';')
+    if cad != "" and cad[len(cad) - 1] != ';':
+        cad += ';'
+    ret = cad.split(sep=';')
     for i in range(len(ret)):
-        if ret[i]!="" and ret[i][0]!='.':
-            ret[i]="."+ret[i]
+        if ret[i] != "" and ret[i][0] != '.':
+            ret[i] = "." + ret[i]
     ret.pop()
     return ret
 
@@ -53,19 +53,19 @@ def eliminarComportamientoAutomatico(reg, umbral):
     while c < len(reg):
         if sesionActual != reg[c].ID_Sesion:
             if indicePrimero != c:
-                sesiones[sesionActual] = abs(reg[c].Marca_Tiempo - reg[indicePrimero].Marca_Tiempo) / (c - indicePrimero)
+                sesiones[sesionActual] = abs(reg[c].Marca_Tiempo - reg[indicePrimero].Marca_Tiempo) / (
+                            c - indicePrimero)
             sesionActual = reg[c].ID_Sesion
             indicePrimero = c
         c += 1
-    numSesiones=len(sesiones)
-    for i in range(1,numSesiones):
-        dur=float(sesiones[i])
-        if dur<=umbral:
-            j=0
+    numSesiones = len(sesiones)
+    for i in range(1, numSesiones):
+        dur = float(sesiones[i])
+        if dur <= umbral:
+            j = 0
             while j < len(reg):
-                if reg[j].ID_Sesion==i:
+                if reg[j].ID_Sesion == i:
                     reg.pop(j)
                 else:
-                    j+=1
+                    j += 1
     return reg
-

codigo/Gui.py

@@ -9,6 +9,7 @@ from eliminarComportamientoAutomatico_GUI import FiltrarComportamientoAutomatico
 from ObtenerMasVisitados import ObtenerMasVisitados
 from DirectoriosMasSolicitados_GUI import DirectoriosMasSol
 from TablaSesionesMenorTMedioPag import TablaSesionesMenorTMedioPag
+from TipoPagExtension import TipoPagExtension
 from AnalisisDuracionSesion import estadisticasDuracionSesiones
 from TablaExtFrec import TablaExtFrec
 from Dato import Dato
@@ -20,6 +21,7 @@ from TransfCesta import TransformarCesta
 from AnalisisRelacionVisitasDuracion import getRelacionVisitasDuracion
 from AnalisisRelacionVisitasDuracion import getDuracionPrimerasVisitas
 
+
 def f_abrir():
     RUTA_ARCHIVO = filedialog.askopenfilename(initialdir="/", title="Seleccione fichero",
                                               filetypes=(
@@ -110,15 +112,22 @@ def fDurVis():
     if len(REG) > 0:
         getDuracionPrimerasVisitas(REG)
 
+
 def extMasFrec():
     if len(REG) > 0:
         TablaExtFrec(REG)
 
+
 def TablaSesionesMasCortas():
     if len(REG) > 0:
         TablaSesionesMenorTMedioPag(REG)
 
 
+def tipoPagExtension():
+    if len(REG) > 0:
+        TipoPagExtension(REG)
+
+
 def barraMenu(ventana):
     # DEFINIR BARRA DE MENÚ DE LA APLICACION:
     barramenu = Menu(ventana)
@@ -155,7 +164,8 @@ def barraMenu(ventana):
                       underline=0, compound=RIGHT)
     menu2.add_command(label='Sesiones con menor tiempo medio', command=TablaSesionesMasCortas,
                       underline=0, compound=RIGHT)
-
+    menu2.add_command(label='Duracion de primeras 2 visitas por tipo', command=tipoPagExtension,
+                      underline=0, compound=RIGHT)
 
     menu3 = Menu(barramenu)
     barramenu.add_cascade(menu=menu3, label='Cesta')
@@ -172,6 +182,7 @@ def barraMenu(ventana):
                       command=about,
                       underline=0, compound=RIGHT)
 
+
 # Obtiene los datos del registro para insertarlos en la tabla
 def getDatosRegistro(registro, atributos, contador):
     ret = []
@@ -186,6 +197,7 @@ def getDatosRegistro(registro, atributos, contador):
 
     return aux
 
+
 # Inserta cada tupla de todos los registros
 def insertaRegistros():
     tabla.delete(*tabla.get_children())
@@ -208,7 +220,6 @@ nombresAtributos.append("Num_Registro")
 for n in atributos:
     nombresAtributos.append(n)
 
-
 # Creo la tabla y relleno las cabeceras
 tabla = ttk.Treeview(ventana, height=100, columns=[f"#{n}" for n in range(len(nombresAtributos))])
 

codigo/ObtencionRegistro.py

@@ -35,21 +35,21 @@ def leerLog(ruta, extensionesAdmitidas, extensionesNoAdmitidas):
 
 # Miro si el dato procede ser insertado o no
 def datoAdmitido(extensionesAdmitidas, extensionesNoAdmitidas, reg):
-    #Por defecto, si las listas estan vacias, se acepta todo
-    if len(extensionesAdmitidas)==0 and len(extensionesNoAdmitidas)==0:
+    # Por defecto, si las listas estan vacias, se acepta todo
+    if len(extensionesAdmitidas) == 0 and len(extensionesNoAdmitidas) == 0:
         return True
-    ext=""
-    if '.' not in reg.URL_Solicitada:#<-- Si el registro no tiene extension
-        sinExtension=True
+    ext = ""
+    if '.' not in reg.URL_Solicitada:  # <-- Si el registro no tiene extension
+        sinExtension = True
     else:
-        sinExtension=False
-        #Saco la extension
-        c=0
-        while c < len(reg.URL_Solicitada) and reg.URL_Solicitada[c]!='.':
-            c+=1
-        ext=reg.URL_Solicitada[c:len(reg.URL_Solicitada)]
+        sinExtension = False
+        # Saco la extension
+        c = 0
+        while c < len(reg.URL_Solicitada) and reg.URL_Solicitada[c] != '.':
+            c += 1
+        ext = reg.URL_Solicitada[c:len(reg.URL_Solicitada)]
 
-    if len(extensionesAdmitidas) != 0:#Se filtra por extensiones admitidas
+    if len(extensionesAdmitidas) != 0:  # Se filtra por extensiones admitidas
         if sinExtension:
             if "" in extensionesAdmitidas:
                 return True
@@ -73,16 +73,9 @@ def datoAdmitido(extensionesAdmitidas, extensionesNoAdmitidas, reg):
                 return False
 
 
-
-
-
-
-
-
-
 # Quita las entradas que pertenecen arañas, bots o crawler
 def eSpidering(reg):
-    longitudOriginal=len(reg)
+    longitudOriginal = len(reg)
     aQuitar = ["spider", "bot", "crawler"]
     c = 0
     for r in reg:
@@ -90,5 +83,6 @@ def eSpidering(reg):
             if q in r.Host_Remoto.lower() or q in r.Usuario.lower():
                 reg.pop(c)
         c += 1
-    MessageBox.showinfo("Resultado De-Spidering", "Se han suprimido "+str(longitudOriginal-len(reg))+" registros con comportamiento automatico")
+    MessageBox.showinfo("Resultado De-Spidering", "Se han suprimido " + str(
+        longitudOriginal - len(reg)) + " registros con comportamiento automatico")
     return reg

codigo/TablaExtFrec.py

@@ -5,20 +5,20 @@ import operator
 
 
 class TablaExtFrec:
-    def __init__(self,registros):
-        #Obtengo las extensiones mas repetidas junto con su numero de ocurrencias
-        ext={}
+    def __init__(self, registros):
+        # Obtengo las extensiones mas repetidas junto con su numero de ocurrencias
+        ext = {}
         for r in registros:
-            if '.' in r.URL_Solicitada: #Si tiene extension
-                #Saco la extension
-                c=len(r.URL_Solicitada)-1
-                while c > 0 and r.URL_Solicitada[c]!='.':
-                    c-=1
-                extension=r.URL_Solicitada[c:len(r.URL_Solicitada)]
-                if extension in ext:#Si existe la extension en el diccionario
-                    ext[extension]=ext[extension]+1
+            if '.' in r.URL_Solicitada:  # Si tiene extension
+                # Saco la extension
+                c = len(r.URL_Solicitada) - 1
+                while c > 0 and r.URL_Solicitada[c] != '.':
+                    c -= 1
+                extension = r.URL_Solicitada[c:len(r.URL_Solicitada)]
+                if extension in ext:  # Si existe la extension en el diccionario
+                    ext[extension] = ext[extension] + 1
                 else:
-                    ext[extension]=1
+                    ext[extension] = 1
         ext = sorted(ext.items(), key=operator.itemgetter(1))
 
         while len(ext) > 10:  # Me quedo con las 10 que mas tengan
@@ -51,7 +51,7 @@ class TablaExtFrec:
         # Inserto los registros
         self.tabla.delete(*self.tabla.get_children())
         for i in range(len(ext)):
-            aux = [ext[i][0],ext[i][1]]
+            aux = [ext[i][0], ext[i][1]]
             self.tabla.insert("", 'end', values=aux)
 
         self.v.mainloop()

codigo/TablaSesionesMenorTMedioPag.py

@@ -3,25 +3,27 @@ from tkinter import *
 from Filtros import ordenarPorSesion
 import operator
 
+
 class TablaSesionesMenorTMedioPag:
     def __init__(self, reg):
-        sesiones={}
-        c=0
-        sesionActual=reg[0].ID_Sesion
-        indicePrimero=0
+        sesiones = {}
+        c = 0
+        sesionActual = reg[0].ID_Sesion
+        indicePrimero = 0
         while c < len(reg):
-            if sesionActual!=reg[c].ID_Sesion:
-                if indicePrimero!=c:
-                    sesiones[sesionActual]=abs(reg[c].Marca_Tiempo-reg[indicePrimero].Marca_Tiempo)/(c-indicePrimero)
-                    sesionActual=reg[c].ID_Sesion
-                    indicePrimero=c
-                elif c < len(reg)-1:
-                    sesionActual = reg[c+1].ID_Sesion
-                    indicePrimero = c+1
-            c+=1
+            if sesionActual != reg[c].ID_Sesion:
+                if indicePrimero != c:
+                    sesiones[sesionActual] = abs(reg[c].Marca_Tiempo - reg[indicePrimero].Marca_Tiempo) / (
+                                c - indicePrimero)
+                    sesionActual = reg[c].ID_Sesion
+                    indicePrimero = c
+                elif c < len(reg) - 1:
+                    sesionActual = reg[c + 1].ID_Sesion
+                    indicePrimero = c + 1
+            c += 1
         sesiones = sorted(sesiones.items(), key=operator.itemgetter(1))
 
-        while len(sesiones) > 20: #se visualizan 20 sesiones
+        while len(sesiones) > 20:  # se visualizan 20 sesiones
             sesiones.pop()
 
         self.v = Tk()
@@ -55,4 +57,3 @@ class TablaSesionesMenorTMedioPag:
             self.tabla.insert("", 'end', values=aux)
 
         self.v.mainloop()
-

codigo/TipoPagExtension.py

+from tkinter import messagebox
+
+import matplotlib.pyplot as plt
+
+
+class TipoPagExtension:
+    def __init__(self, registros):
+        duracionesConPP = []
+        duracionesNavPP = []
+        duracionesConSP = []
+        duracionesNavSP = []
+        sesionActual = registros[0].ID_Sesion
+        ultimaSesion = registros[len(registros) - 1].ID_Sesion
+        c = 0
+        while sesionActual < ultimaSesion:
+            indicesContenido = []
+            indicesNavegacion = []
+            while c < (len(registros) - 1) and registros[c].ID_Sesion == sesionActual:
+                if registros[c].enlaceDeContenido():
+                    indicesContenido.append(c)
+                else:
+                    indicesNavegacion.append(c)
+                c += 1
+            # Calculo duracion paginas contenido
+            if len(indicesContenido) >= 2 and registros[indicesContenido[1] + 1].ID_Sesion == sesionActual:
+                duracionesConPP.append(
+                    abs(registros[indicesContenido[1]].Marca_Tiempo - registros[indicesContenido[0]].Marca_Tiempo))
+                duracionesConSP.append(
+                    abs(registros[indicesContenido[1] + 1].Marca_Tiempo - registros[indicesContenido[1]].Marca_Tiempo))
+            # Calculo duracion paginas navegacion
+            if len(indicesNavegacion) >= 2 and registros[indicesNavegacion[1] + 1].ID_Sesion == sesionActual:
+                duracionesNavPP.append(
+                    abs(registros[indicesNavegacion[1]].Marca_Tiempo - registros[indicesNavegacion[0]].Marca_Tiempo))
+                duracionesNavSP.append(abs(
+                    registros[indicesNavegacion[1] + 1].Marca_Tiempo - registros[indicesNavegacion[1]].Marca_Tiempo))
+            sesionActual = registros[c].ID_Sesion
+
+        # messagebox.showinfo(message=cad, title="Estadisticas")
+
+        visualizarHistograma(duracionesConPP, 'Duracion Primera Pagina Contenido')
+        visualizarHistograma(duracionesConSP, 'Duracion Segunda Pagina Contenido')
+        visualizarHistograma(duracionesNavPP, 'Duracion Primera Pagina Navegacion')
+        visualizarHistograma(duracionesNavSP, 'Duracion Segunda Pagina Navegacion')
+
+
+def visualizarHistograma(duraciones, titulo):
+    num_bins = 5
+    n, bins, patches = plt.hist(duraciones, num_bins, facecolor='blue', alpha=0.5)
+    plt.title(titulo)
+    plt.show()
+    suma = 0.0
+    for x in duraciones:
+        suma += x
+    if (len(duraciones) != 0):
+        messagebox.showinfo(message=round((suma / len(duraciones)), 2), title="Media calculada")
+
+
+def hacerHistograma(duraciones):
+    valorMax = int(max(duraciones) + 2)
+    x = []
+    y = []
+    for i in range(valorMax):
+        x.append(i)
+    for i in range(len(duraciones)):
+        y[i] = 0
+    for i in range(len(duraciones)):
+        y[round(duraciones[i])] += 1
+    return x, y