Analisis tiempo mediao pagina hecho

codigo/AnalisisDuracionSesion.py

@@ -59,11 +59,11 @@ def estadisticasDuracionSesiones(registros):
             if duraciones[j] == i:
             if duraciones[j] == i:
                 histograma[i] += 1
                 histograma[i] += 1
     # Obtengo la moda (Posicion del valor mas alto del histograma)
     # Obtengo la moda (Posicion del valor mas alto del histograma)
-    malto=-1
-    moda=0
+    malto = -1
+    moda = 0
     for i in range(len(histograma)):
     for i in range(len(histograma)):
-        if i!=0 and malto < histograma[i]:
-            malto=histograma[i]
-            moda=i
+        if i != 0 and malto < histograma[i]:
+            malto = histograma[i]
+            moda = i
     # Devuelvo todos los parametros
     # Devuelvo todos los parametros
     return histograma, media, moda, maxDur, minDur, desviacionTipica
     return histograma, media, moda, maxDur, minDur, desviacionTipica

codigo/AnalisisPaginasVisitadas.py

+import math
+from Filtros import getDistintasPaginas
+
+
+def getEstadisticasPaginasVisitadas(registros):
+    # Cojo la lista de las distintas paginas exitentes
+    paginas = getDistintasPaginas(registros)
+    # Creo lista con el numero de ocurrencias para cada pagina (coincidiendo los indices)
+    ocurrencias = []
+    max = -1
+    min = 1000000000
+    media = 0
+    for p in paginas:
+        sesiones = set()
+        for r in registros:
+            if r.url == p:
+                sesiones.add(r.idSesion)
+        cantidad = len(sesiones)
+        ocurrencias.append(cantidad)
+        if max < cantidad:
+            max = cantidad
+        if min > cantidad:
+            min = cantidad
+        media += cantidad
+    media /= len(paginas)
+    # Calculo la desviacion tipica
+    suma = 0
+    for o in ocurrencias:
+        suma += ((o - media) ** 2)
+    desviacionTipica = math.sqrt(suma / len(paginas))
+    # Creo el histograma
+    histograma = []
+    for i in range(len(ocurrencias)):
+        suma = 0
+        for o in ocurrencias:
+            if o == i:
+                suma += 1
+        histograma.append(suma)
+    # Obtengo la moda
+    moda = -1
+    for i in range(len(ocurrencias)):
+        if ocurrencias[i] > moda:
+            moda = ocurrencias[i]
+    return histograma, max, min, moda, media, desviacionTipica

codigo/AnalisisTMedioPagina.py

@@ -3,38 +3,37 @@ from Filtros import getDistintasSesiones
 from Filtros import getTiempoEnPagina
 from Filtros import getTiempoEnPagina
 from Filtros import getDistintasPaginas
 from Filtros import getDistintasPaginas
 
 
+
 def analisisTiempoMedioPorPagina(registros):
 def analisisTiempoMedioPorPagina(registros):
-    #Ordeno los registros por sesion
-    reg=ordenaRegistros(registros,1800)
-    #Obtengo los id de las sesiones existentes
-    idsExistentes=getDistintasSesiones(reg)
-    #Obtengo las distintas paginas existentes
-    paginas=getDistintasPaginas()
-    #Creo una lista para guardar el tiempo medio que han pasado los usuarios en las paginas
-    tiempos=[]#El indice del vector tiempos es igual al indice vector paginas
-    max=-1
+    # Ordeno los registros por sesion
+    reg = ordenaRegistros(registros, 1800)
+    # Obtengo los id de las sesiones existentes
+    idsExistentes = getDistintasSesiones(reg)
+    # Obtengo las distintas paginas existentes
+    paginas = getDistintasPaginas()
+    # Creo una lista para guardar el tiempo medio que han pasado los usuarios en las paginas
+    tiempos = []  # El indice del vector tiempos es igual al indice vector paginas
+    max = -1
     for pag in paginas:
     for pag in paginas:
-        suma=0
-        c=0
+        suma = 0
+        c = 0
         for sesion in idsExistentes:
         for sesion in idsExistentes:
-            suma+=getTiempoEnPagina(sesion,pag,reg)
-            c+=1
-        if c!=0:
-            t=round(suma/c, 2)
+            suma += getTiempoEnPagina(sesion, pag, reg)
+            c += 1
+        if c != 0:
+            t = round(suma / c, 2)
             tiempos.append(t)
             tiempos.append(t)
             if t > max:
             if t > max:
-                max=t
+                max = t
         else:
         else:
             tiempos.append(0)
             tiempos.append(0)
-    #Creo el histograma
-    histograma=[]
-    max=int(max)+2
+    # Creo el histograma
+    histograma = []
+    max = int(max) + 2
     for i in range(max):
     for i in range(max):
         histograma.append(0)
         histograma.append(0)
-    #Relleno el histograma
+    # Relleno el histograma
     for t in tiempos:
     for t in tiempos:
-        histograma[int(round(t,0))]+=1
-
-    return paginas, tiempos,histograma
-
+        histograma[int(round(t, 0))] += 1
 
 
+    return paginas, tiempos, histograma

codigo/Cesta.py

@@ -11,7 +11,8 @@ class Cesta:
     def obtenerFlags(self, sesiones, tam):
     def obtenerFlags(self, sesiones, tam):
         # Se rellenan los flags segun si son de la misma sesion o no para cada directorio
         # Se rellenan los flags segun si son de la misma sesion o no para cada directorio
         for i in range(tam):
         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)
                 self.flags.append(True)
             else:
             else:
                 self.flags.append(False)
                 self.flags.append(False)

codigo/Filtros.py

@@ -5,49 +5,53 @@ def ordenarPorSesion(registros):
                 registros[i], registros[j] = registros[j], registros[i]
                 registros[i], registros[j] = registros[j], registros[i]
     return registros
     return registros
 
 
+
 def getDistintasSesiones(registros):
 def getDistintasSesiones(registros):
-    s=set ()
+    s = set()
     for r in registros:
     for r in registros:
         s.add(r.idSesion)
         s.add(r.idSesion)
     return list(s)
     return list(s)
 
 
+
 def getDistintasPaginas(registros):
 def getDistintasPaginas(registros):
     paginas = set()
     paginas = set()
     for r in registros:
     for r in registros:
         paginas.add(r.url)
         paginas.add(r.url)
-    paginas = list(paginas)
-
-#Pasado el id de sesion y la pagina, se suma el tiempo que ha pasado el usuario desde que accedio a la pagina hasta que
-#cambio de pagina
-def getTiempoEnPagina(id,pagina,registros):
-    s=0#<-- Suma de los tiempos pasados entre paginas
-    for i in range(len(registros)-1):
-        if registros[i].url==pagina and registros[i].idSesion==id and registros[i+1].idSesion==id:
-            s+=abs(registros[i+1].marcaTiempo-registros[i].marcaTiempo)
+    return list(paginas)
+
+
+# Pasado el id de sesion y la pagina, se suma el tiempo que ha pasado el usuario desde que accedio a la pagina hasta que
+# cambio de pagina
+def getTiempoEnPagina(id, pagina, registros):
+    s = 0  # <-- Suma de los tiempos pasados entre paginas
+    for i in range(len(registros) - 1):
+        if registros[i].url == pagina and registros[i].idSesion == id and registros[i + 1].idSesion == id:
+            s += abs(registros[i + 1].marcaTiempo - registros[i].marcaTiempo)
     return s
     return s
 
 
-#Elimina las sesiones que han invertido menos de 0,5 segundos en el acceso
+
+# Elimina las sesiones que han invertido menos de 0,5 segundos en el acceso
 def eliminarComportamientoAutomatico(registros):
 def eliminarComportamientoAutomatico(registros):
-    #Ordeno por sesion
-    reg=ordenarPorSesion(registros)
-    sesionActual=reg[0].idSesion
-    iMin=-1
-    iMax=-1
-    idSesionesNoValidas=set ()
+    # Ordeno por sesion
+    reg = ordenarPorSesion(registros)
+    sesionActual = reg[0].idSesion
+    iMin = -1
+    iMax = -1
+    idSesionesNoValidas = set()
     for i in range(len(reg)):
     for i in range(len(reg)):
-        if reg[i].idSesion==sesionActual:
-            if iMin==-1:
-                iMin=i
+        if reg[i].idSesion == sesionActual:
+            if iMin == -1:
+                iMin = i
             else:
             else:
-                iMax=i
+                iMax = i
         else:
         else:
-            if iMin!=iMax:#<--- Si ha visitado mas de dos paginas en la sesion miro el tiempo
-                tiempo=abs(reg[iMax].marcaTiempo-reg[iMin].marcaTiempo)
+            if iMin != iMax:  # <--- Si ha visitado mas de dos paginas en la sesion miro el tiempo
+                tiempo = abs(reg[iMax].marcaTiempo - reg[iMin].marcaTiempo)
                 if tiempo < 0.5:
                 if tiempo < 0.5:
                     idSesionesNoValidas.add(sesionActual)
                     idSesionesNoValidas.add(sesionActual)
-            sesionActual=reg[i].idSesion
-    #Me quedo con los registros con ids validos
-    ret=[]
+            sesionActual = reg[i].idSesion
+    # Me quedo con los registros con ids validos
+    ret = []
     for r in reg:
     for r in reg:
         if r.idSesion not in idSesionesNoValidas:
         if r.idSesion not in idSesionesNoValidas:
             ret.append(r)
             ret.append(r)

codigo/Gestor.py

@@ -5,6 +5,7 @@ from Cesta import obtenerDirectorios
 from Cesta import obtenerCestaTransformada
 from Cesta import obtenerCestaTransformada
 from Filtros import eliminarComportamientoAutomatico
 from Filtros import eliminarComportamientoAutomatico
 from AnalisisTMedioPagina import analisisTiempoMedioPorPagina
 from AnalisisTMedioPagina import analisisTiempoMedioPorPagina
+from AnalisisPaginasVisitadas import getEstadisticasPaginasVisitadas
 
 
 RUTA_ARCHIVO = "../access_log_Aug95_reducido"
 RUTA_ARCHIVO = "../access_log_Aug95_reducido"
 E_SPIDERING = True
 E_SPIDERING = True
@@ -77,3 +78,12 @@ printDirectorios(d, cont, num_dir, num_reg)
 cesta = obtenerCestaTransformada(d, ses)
 cesta = obtenerCestaTransformada(d, ses)
 printCestaTransformada(cesta)
 printCestaTransformada(cesta)
 '''
 '''
+
+histograma, max, min, moda, media, desviacionTipica=getEstadisticasPaginasVisitadas(r)
+
+print("Max:"+str(max)+"\n")
+print("Min:"+str(min)+"\n")
+print("Moda:"+str(moda)+"\n")
+print("Media:"+str(media)+"\n")
+print("DV:"+str(desviacionTipica)+"\n")
+print(histograma)
\ No newline at end of file