Sturtevantの構造複雑度を使用したメトリクス分析

ref)関連論文
http://dspace.mit.edu/handle/1721.1/79551

ref)関連資料
http://www.jaspic.org/event/2014/SPIJapan/session1C/1C1_ID016.pdf

ref)関連セミナー（2013.12.03 ソフトウェア品質向上セミナー ソフトウェア構造を見れば品質がわかる！構造メトリクスとバグの関係）
https://www.techmatrix.co.jp/es/seminar/lattix_20131203.html

関連パッケージのimport

今回データ分析用に使用する主なライブラリは以下。

• numpy：数値計算ライブラリ
• pandas：数表データ用ライブラリ
• matplotlib：グラフ描画ライブラリ（グラフ描画の標準的なライブラリ※今回は不使用）
• seaborn：グラフ描画ライブラリ（データ相関の把握に強み※今回は不使用）
• plotly：グラフ描画ライブラリ（インタラクティブなグラフ）

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
from pandas import Series, DataFrame
from numpy.random import normal
import os
import plotly
import plotly.graph_objects as go
import plotly.express as px
from IPython.display import display

plotly.offline.init_notebook_mode(connected=False)

Lattixメトリクスレポート(Excel形式)の読み込み

• 本スクリプトで使用しているメトリクスレポートはC/C++(Understand)モジュールの結果を使用しているため、システムメトリクスにCyclomatic複雑度（ファイル内最大値）が含まれている。
• Lattixでメトリクスを出力する際は、依存関係フィルターによりカウントする依存関係の種類を制限しておくと分析の正確性が上がる可能性あり。
  （依存関係フィルターによりフィルタリングされている場合、メトリクスも値が変わる。）

dirPath = "C:\work\src\c\httpd-2.0.55"
projectName=""

ltxMetricsFileName ="httpd-2_システム メトリクス_メトリクス_ システム.xlsx"

filePath = dirPath + "\\"+ltxMetricsFileName
ltx_org_xlsxFile = pd.ExcelFile(filePath)

C:\Users\fukase\Anaconda3\lib\site-packages\openpyxl\styles\stylesheet.py:226: UserWarning:

Workbook contains no default style, apply openpyxl's default

Excelの各シートをdataframeに読み込み

#sheetName_System="Metrics System"
sheetName_System="メトリクス システム"
#sheetName_Architecture="Metrics Architecture"
sheetName_Architecture="メトリクス アーキテクチャ"
#sheetName_Object="Metrics Object Oriented"
sheetName_Object="メトリクス オブジェクト指向"

df_ltx_org_System = ltx_org_xlsxFile.parse(sheetName_System,skiprows = 2)
df_ltx_org_Architecture = ltx_org_xlsxFile.parse(sheetName_Architecture,skiprows = 2)
df_ltx_org_Object = ltx_org_xlsxFile.parse(sheetName_Object,skiprows = 2)

適切に読み込めているか確認

# アーキテクチャメトリクス
df_ltx_org_Architecture

	サブシステム	システム安定性	影響度平均	循環度	システム間循環度	重み付き影響度	依存関係数	依存度平均	要素数	ルール違反数(使用禁止・使用強制)	...	多対多関係度	逆依存関係率	正規化累積依存度	システム複雑度	連結度	連結濃度	連結強度	結合度	結合濃度	結合強度
0	$root	0.964619	33.258511	0.085106	0.020213	6.459910e-02	4731.0	5.032979	940.0	0.0	...	4.0	0.5	3.853877	0.444714	0.035419	0.183897	15.899638	0.001108	0.031042	0.141047
1	C:.work.src.c.httpd-2.0.55	0.964619	33.258511	0.085106	0.020213	6.459910e-02	4731.0	5.032979	940.0	0.0	...	4.0	0.5	NaN	NaN	0.035419	NaN	NaN	0.001108	NaN	NaN
2	C:.work.src.c.httpd-2.0.55.*	1.000000	0.000000	0.000000	0.000000	2.432103e-11	0.0	0.000000	1.0	0.0	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
3	C:.work.src.c.httpd-2.0.55.acconfig.h	1.000000	0.000000	0.000000	0.000000	2.432103e-11	0.0	0.000000	1.0	0.0	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
4	C:.work.src.c.httpd-2.0.55.include	0.836525	153.666667	0.000000	0.000000	6.542778e-03	56.0	1.866667	30.0	0.0	...	1.0	0.0	NaN	NaN	0.054023	NaN	NaN	0.000000	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1093	C:.work.src.c.httpd-2.0.55.test.test...	1.000000	0.000000	0.000000	0.000000	2.432103e-07	0.0	0.000000	1.0	0.0	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
1094	C:.work.src.c.httpd-2.0.55.test.test...	1.000000	0.000000	0.000000	0.000000	3.420144e-08	3.0	3.000000	1.0	0.0	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
1095	C:.work.src.c.httpd-2.0.55.test.test...	1.000000	0.000000	0.000000	0.000000	1.286582e-08	0.0	0.000000	1.0	0.0	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
1096	C:.work.src.c.httpd-2.0.55.test.time...	1.000000	0.000000	0.000000	0.000000	2.102212e-06	2.0	2.000000	1.0	0.0	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
1097	C:.work.src.c.httpd-2.0.55.test.zb.c	1.000000	0.000000	0.000000	0.000000	1.954736e-06	1.0	1.000000	1.0	0.0	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN

1098 rows × 23 columns

# システムメトリクス
df_ltx_org_System

	サブシステム	Lines of Code	Cyclomatic Complexity	Header File	Source File	C/C++ (Understand) の合計要素
0	$root	405545.0	318.0	253.0	687.0	940.0
1	C:.work.src.c.httpd-2.0.55	405545.0	318.0	253.0	687.0	940.0
2	C:.work.src.c.httpd-2.0.55.*	2.0	0.0	1.0	0.0	1.0
3	C:.work.src.c.httpd-2.0.55.acconfig.h	2.0	0.0	1.0	0.0	1.0
4	C:.work.src.c.httpd-2.0.55.include	8121.0	0.0	30.0	0.0	30.0
...	...	...	...	...	...	...
1093	C:.work.src.c.httpd-2.0.55.test.test...	200.0	25.0	0.0	1.0	1.0
1094	C:.work.src.c.httpd-2.0.55.test.test...	75.0	3.0	0.0	1.0	1.0
1095	C:.work.src.c.httpd-2.0.55.test.test...	46.0	2.0	0.0	1.0	1.0
1096	C:.work.src.c.httpd-2.0.55.test.time...	588.0	12.0	0.0	1.0	1.0
1097	C:.work.src.c.httpd-2.0.55.test.zb.c	567.0	19.0	0.0	1.0	1.0

1098 rows × 6 columns

メトリクスのマージ

• 今回はアーキテクチャメトリクスとシステムメトリクスのみ使用する。
• アーキテクチャメトリクスからは影響度平均、平均累積依存度を使用する。
• Sturtevantの構造複雑度4分類を行う上では、必須のメトリクスではないが、今回はシステムメトリクスからは"Cyclomatic Complexity"を使用する。
  （ファイル粒度のメトリクスとして、ファイル内の全関数のCyclomatic複雑度の最大値が出力されている）
• ※Cyclomatic ComplexityはC/C++(Understand)モジュールのみシステムメトリクスから取得可能。

df_ltx_org=pd.merge(df_ltx_org_System,df_ltx_org_Architecture, on="サブシステム")

# マージ後のデータ
df_ltx_org

	サブシステム	Lines of Code	Cyclomatic Complexity	Header File	Source File	C/C++ (Understand) の合計要素	システム安定性	影響度平均	循環度	システム間循環度	...	多対多関係度	逆依存関係率	正規化累積依存度	システム複雑度	連結度	連結濃度	連結強度	結合度	結合濃度	結合強度
0	$root	405545.0	318.0	253.0	687.0	940.0	0.964619	33.258511	0.085106	0.020213	...	4.0	0.5	3.853877	0.444714	0.035419	0.183897	15.899638	0.001108	0.031042	0.141047
1	C:.work.src.c.httpd-2.0.55	405545.0	318.0	253.0	687.0	940.0	0.964619	33.258511	0.085106	0.020213	...	4.0	0.5	NaN	NaN	0.035419	NaN	NaN	0.001108	NaN	NaN
2	C:.work.src.c.httpd-2.0.55.*	2.0	0.0	1.0	0.0	1.0	1.000000	0.000000	0.000000	0.000000	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
3	C:.work.src.c.httpd-2.0.55.acconfig.h	2.0	0.0	1.0	0.0	1.0	1.000000	0.000000	0.000000	0.000000	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
4	C:.work.src.c.httpd-2.0.55.include	8121.0	0.0	30.0	0.0	30.0	0.836525	153.666667	0.000000	0.000000	...	1.0	0.0	NaN	NaN	0.054023	NaN	NaN	0.000000	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1093	C:.work.src.c.httpd-2.0.55.test.test...	200.0	25.0	0.0	1.0	1.0	1.000000	0.000000	0.000000	0.000000	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
1094	C:.work.src.c.httpd-2.0.55.test.test...	75.0	3.0	0.0	1.0	1.0	1.000000	0.000000	0.000000	0.000000	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
1095	C:.work.src.c.httpd-2.0.55.test.test...	46.0	2.0	0.0	1.0	1.0	1.000000	0.000000	0.000000	0.000000	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
1096	C:.work.src.c.httpd-2.0.55.test.time...	588.0	12.0	0.0	1.0	1.0	1.000000	0.000000	0.000000	0.000000	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN
1097	C:.work.src.c.httpd-2.0.55.test.zb.c	567.0	19.0	0.0	1.0	1.0	1.000000	0.000000	0.000000	0.000000	...	0.0	0.0	NaN	NaN	0.000000	NaN	NaN	0.000000	NaN	NaN

1098 rows × 28 columns

# 使用するメトリクスの指定
default_culumn = ["サブシステム","Header File","Source File","C/C++ (Understand) の合計要素"]
metrics = ["影響度平均","平均累積依存度","Cyclomatic Complexity"]
culumn_use = default_culumn + metrics
df_ltx=df_ltx_org.loc[:,culumn_use]

# ファイル要素のみ抽出（サブシステムに対するメトリクスデータを除外）
df_ltx_file=df_ltx[df_ltx["C/C++ (Understand) の合計要素"]==1.0]

# VFI,VFOの計算(VFI = 影響度平均+1, VFO = 平均累積依存度)
df_ltx_file.loc[:,"VFI"]=pd.DataFrame(df_ltx_file["影響度平均"].copy(deep=True)+1)
df_ltx_file.loc[:,"VFO"]=pd.DataFrame(df_ltx_file["平均累積依存度"].copy(deep=True))
df_ltx_file.loc[:,"SQRT(VFI*VFO)"]=pd.DataFrame(np.sqrt(df_ltx_file["VFI"].copy(deep=True)*df_ltx_file["VFO"].copy(deep=True)))

C:\Users\fukase\Anaconda3\lib\site-packages\pandas\core\indexing.py:1667: SettingWithCopyWarning:


A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

閾値からグループ分け

• VFI,VFOの各軸閾値は、それぞれの最大値の半分とする。（Sturtevant論文より）
• (VFI,VFO)が各閾値に対して(小,小)="0_periferal",(大,小)="1_utility",(小,大)="2_control",(大,大)="3_core"
• Cyclomatic Complexityは1-10:1_low, 11-20:2_medium, 21-50:3_high, 51-:4_untestableとし（Sturtevant論文より）、0の場合は0_nothingとする。
  ※関数が含まれていないファイルは基本的にはCyclomatic Complexityが0となる。

# VFI,VFOの閾値を計算（ここでは最大値の半分と定義）
threshold_VFI = df_ltx_file["VFI"].max()/2.0
threshold_VFO = df_ltx_file["VFO"].max()/2.0

groupname = {0:"0_periferal",1:"1_utility",2:"2_control",3:"3_core"}  
cyc_groupname = {0:"0_nothing", 1:"1_low", 2:"2_medium", 3:"3_high", 4:"4_untestable"}

def judge_vfio(df_input):
    judgeVFI = df_input["VFI"].apply(lambda x: 1 if (x>threshold_VFI) else 0)
    judgeVFO = df_input["VFO"].apply(lambda x: 2 if (x>threshold_VFO) else 0)
    return judgeVFI+judgeVFO

def judge_cyc(df_input):
    low_min=1
    medium_min = 11
    high_min = 21
    untestable_min = 51
    low = df_input["Cyclomatic Complexity"].apply(lambda x: 1 if (x>=low_min) else 0)
    medium = df_input["Cyclomatic Complexity"].apply(lambda x: 1 if (x>=medium_min) else 0)
    high = df_input["Cyclomatic Complexity"].apply(lambda x: 1 if (x>=high_min) else 0)
    untestable = df_input["Cyclomatic Complexity"].apply(lambda x: 1 if (x>=untestable_min) else 0)
    return low+medium+high+untestable

def get_groupName(df_input):
    return df_input["group"].apply(lambda x: groupname[x])

def get_cycgroupName(df_input):
    return df_input["cyc_group"].apply(lambda x: cyc_groupname[x])
                                 
df_ltx_file.loc[:,"group"]=judge_vfio(df_ltx_file)
df_ltx_file.loc[:,"groupName"]=get_groupName(df_ltx_file)
df_ltx_file.loc[:,"cyc_group"]=judge_cyc(df_ltx_file)
df_ltx_file.loc[:,"cyc_groupName"]=get_cycgroupName(df_ltx_file)

グループ分け結果が反映されているか確認

df_ltx_file

	サブシステム	Header File	Source File	C/C++ (Understand) の合計要素	影響度平均	平均累積依存度	Cyclomatic Complexity	VFI	VFO	SQRT(VFI*VFO)	group	groupName	cyc_group	cyc_groupName
2	C:.work.src.c.httpd-2.0.55.*	1.0	0.0	1.0	0.0	1.0	0.0	1.0	1.0	1.000000	0	0_periferal	0	0_nothing
3	C:.work.src.c.httpd-2.0.55.acconfig.h	1.0	0.0	1.0	0.0	1.0	0.0	1.0	1.0	1.000000	0	0_periferal	0	0_nothing
5	C:.work.src.c.httpd-2.0.55.include.a...	1.0	0.0	1.0	0.0	3.0	0.0	1.0	3.0	1.732051	0	0_periferal	0	0_nothing
6	C:.work.src.c.httpd-2.0.55.include.a...	1.0	0.0	1.0	239.0	10.0	0.0	240.0	10.0	48.989795	0	0_periferal	0	0_nothing
7	C:.work.src.c.httpd-2.0.55.include.a...	1.0	0.0	1.0	177.0	26.0	0.0	178.0	26.0	68.029405	0	0_periferal	0	0_nothing
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1093	C:.work.src.c.httpd-2.0.55.test.test...	0.0	1.0	1.0	0.0	1.0	25.0	1.0	1.0	1.000000	0	0_periferal	3	3_high
1094	C:.work.src.c.httpd-2.0.55.test.test...	0.0	1.0	1.0	0.0	114.0	3.0	1.0	114.0	10.677078	2	2_control	1	1_low
1095	C:.work.src.c.httpd-2.0.55.test.test...	0.0	1.0	1.0	0.0	1.0	2.0	1.0	1.0	1.000000	0	0_periferal	1	1_low
1096	C:.work.src.c.httpd-2.0.55.test.time...	0.0	1.0	1.0	0.0	115.0	12.0	1.0	115.0	10.723805	2	2_control	2	2_medium
1097	C:.work.src.c.httpd-2.0.55.test.zb.c	0.0	1.0	1.0	0.0	10.0	19.0	1.0	10.0	3.162278	0	0_periferal	2	2_medium

974 rows × 14 columns

print("閾値:VFO:"+str(threshold_VFO)+" "+"VFI:"+str(threshold_VFI))

閾値:VFO:75.5 VFI:406.0

プロット関数の定義

# 構造複雑度別に各ファイルをプロットする関数
def plot_xy(x_metrics,y_metrics,df,title=""):
    if title == "":
        title = str(x_metrics)+"-"+str(y_metrics)+"のグラフ(構造複雑度別)"
    x_metrics = x_metrics
    y_metrics = y_metrics

    x = df[x_metrics]
    y = df[y_metrics]
    group = df["group"]

    import plotly.express as px

    symbols =["circle","square","star","x","cross"]
    data = [
        go.Scatter(
            x=x[group==i], y=y[group==i],
            name=groupname[i],
            mode = 'markers',
            marker = dict(color=px.colors.qualitative.Plotly[i],
                size=6,
                symbol='star'
                ),
            text = df["サブシステム"][group==i]
        )
        for i in range(len(groupname))
    ]

    fig = go.Figure(data=data)
    fig.update_xaxes(title_text=x_metrics)
    fig.update_yaxes(title_text=y_metrics, hoverformat=".3f")
    fig.update_layout(title=dict(text='<b>'+title,
                             font=dict(size=26,
                                       color='black'),
                             xref='paper', # container or paper
                             x=0.5,
                             y=0.9,
                             xanchor='center'
                            ))

    plotly.offline.iplot(fig)
    return fig

# クロス集計した結果をプロットする関数
def plot_xy_cross(x_metrics,y_metrics,df,title=""):
    if title == "":
        title = str(x_metrics)+"-"+str(y_metrics)+"のグラフ(クロス集計)"
    x_metrics = x_metrics
    y_metrics = y_metrics

    x = df[x_metrics]
    y = df[y_metrics]
    group = df["group"]
    cyc_group = df["cyc_group"]

    

    symbols =["circle","square","star","x","cross"]
    data = [
        go.Scatter(
            x=x[cyc_group==i][group==j], y=y[cyc_group==i][group==j],
            name=cyc_groupname[i]+" & "+groupname[j],
            mode = 'markers',
            marker = dict(color=px.colors.qualitative.Plotly[i],
                size=4,
                symbol=symbols[j]
                ),
            text = df["サブシステム"][group==j][cyc_group==i]
        )
        for i in range(len(cyc_groupname)) for j in range(len(groupname))
        
    ]

    fig = go.Figure(data=data)
    fig.update_xaxes(title_text=x_metrics)
    fig.update_yaxes(title_text=y_metrics, hoverformat=".3f")
    fig.update_layout(title=dict(text='<b>'+title,
                             font=dict(size=26,
                                       color='black'),
                             xref='paper', # container or paper
                             x=0.5,
                             y=0.9,
                             xanchor='center'
                            ))

    plotly.offline.iplot(fig)
    return fig

VFI-VFOグラフの描画

• plotlyで触れるインタラクティブなグラフを生成（jupyterから出力されたhtmlでもインタラクティブ性が維持される）
• （例）各データ点をマウスオーバーすることでファイル名のポップアップ
• （例）凡例毎に表示非表示の操作可能。
• （例）グラフ内をドラッグすることで範囲を限定して表示可能。（グラフをダブルクリックで戻る）
• （例）x軸、y軸のスクロールが可能
• 今回は図自体をhtmlで保存（画像出力にするとインタラクティブ性が失われる）

# VFI-VFOグラフの描画

fig = plot_xy("VFI","VFO",df_ltx_file,"VFIとVFOの各ファイル分布(構造複雑度別)")
fig.write_html("VFIとVFOの各ファイル分布(構造複雑度別).html")

fig = plot_xy_cross("VFI","VFO",df_ltx_file,"VFIとVFOの各ファイル分布(クロス集計)")
fig.write_html("VFIとVFOの各ファイル分布(クロス集計).html")

VFI/VFO-Cyclomaticグラフの描画

fig = plot_xy("SQRT(VFI*VFO)","Cyclomatic Complexity",df_ltx_file,"構造複雑度とCyclomatic複雑度の各ファイル分布(構造複雑度別)")
fig.write_html("構造複雑度とCyclomatic複雑度の各ファイル分布(構造複雑度別).html")

fig = plot_xy_cross("SQRT(VFI*VFO)","Cyclomatic Complexity",df_ltx_file,"構造複雑度とCyclomatic複雑度の各ファイル分布(クロス集計)")
fig.write_html("構造複雑度とCyclomatic複雑度の各ファイル分布(クロス集計).html")

構造複雑度とCyclomatic複雑度のファイル数

#各グループに属するファイルの個数
df_crosstab=pd.crosstab(df_ltx_file["groupName"],df_ltx_file["cyc_groupName"],margins=True)
df_crosstab

cyc_groupName	0_nothing	1_low	2_medium	3_high	4_untestable	All
groupName
0_periferal	258	423	46	46	18	791
1_utility	13	0	0	0	2	15
2_control	1	66	42	41	18	168
All	272	489	88	87	38	974

#各グループに属するファイルの割合（百分率）
df_crosstab_norm=pd.crosstab(df_ltx_file["groupName"],df_ltx_file["cyc_groupName"],normalize=True,margins=True)
df_crosstab_norm.applymap("{0:.2%}".format)

cyc_groupName	0_nothing	1_low	2_medium	3_high	4_untestable	All
groupName
0_periferal	26.49%	43.43%	4.72%	4.72%	1.85%	81.21%
1_utility	1.33%	0.00%	0.00%	0.00%	0.21%	1.54%
2_control	0.10%	6.78%	4.31%	4.21%	1.85%	17.25%
All	27.93%	50.21%	9.03%	8.93%	3.90%	100.00%

構造複雑度とCyclomatic複雑度の高いグループのファイルを表示

# 表示オプション表示
dir(pd.options.display)

['chop_threshold',
 'colheader_justify',
 'column_space',
 'date_dayfirst',
 'date_yearfirst',
 'encoding',
 'expand_frame_repr',
 'float_format',
 'html',
 'large_repr',
 'latex',
 'max_categories',
 'max_columns',
 'max_colwidth',
 'max_info_columns',
 'max_info_rows',
 'max_rows',
 'max_seq_items',
 'memory_usage',
 'min_rows',
 'multi_sparse',
 'notebook_repr_html',
 'pprint_nest_depth',
 'precision',
 'show_dimensions',
 'unicode',
 'width']

# 1カラムあたりの文字数変更
pd.set_option("display.max_colwidth", 80)

# control & unstestableなファイルを表示
df_ltx_file[(df_ltx_file["groupName"]=="2_control") & (df_ltx_file["cyc_groupName"]=="4_untestable")]

	サブシステム	Header File	Source File	C/C++ (Understand) の合計要素	影響度平均	平均累積依存度	Cyclomatic Complexity	VFI	VFO	SQRT(VFI*VFO)	group	groupName	cyc_group	cyc_groupName
46	C:.work.src.c.httpd-2.0.55.modules.arch.netware.mod_nw_ssl.c	0.0	1.0	1.0	0.0	114.0	61.0	1.0	114.0	10.677078	2	2_control	4	4_untestable
48	C:.work.src.c.httpd-2.0.55.modules.arch.win32.mod_isapi.c	0.0	1.0	1.0	0.0	117.0	94.0	1.0	117.0	10.816654	2	2_control	4	4_untestable
81	C:.work.src.c.httpd-2.0.55.modules.experimental.mod_cache.c	0.0	1.0	1.0	4.0	120.0	52.0	5.0	120.0	24.494897	2	2_control	4	4_untestable
95	C:.work.src.c.httpd-2.0.55.modules.filters.mod_deflate.c	0.0	1.0	1.0	0.0	114.0	65.0	1.0	114.0	10.677078	2	2_control	4	4_untestable
97	C:.work.src.c.httpd-2.0.55.modules.filters.mod_include.c	0.0	1.0	1.0	0.0	115.0	141.0	1.0	115.0	10.723805	2	2_control	4	4_untestable
101	C:.work.src.c.httpd-2.0.55.modules.generators.mod_autoindex.c	0.0	1.0	1.0	0.0	114.0	72.0	1.0	114.0	10.677078	2	2_control	4	4_untestable
106	C:.work.src.c.httpd-2.0.55.modules.generators.mod_status.c	0.0	1.0	1.0	0.0	115.0	78.0	1.0	115.0	10.723805	2	2_control	4	4_untestable
112	C:.work.src.c.httpd-2.0.55.modules.http.http_protocol.c	0.0	1.0	1.0	164.0	113.0	70.0	165.0	113.0	136.546695	2	2_control	4	4_untestable
125	C:.work.src.c.httpd-2.0.55.modules.mappers.mod_imap.c	0.0	1.0	1.0	0.0	114.0	56.0	1.0	114.0	10.677078	2	2_control	4	4_untestable
127	C:.work.src.c.httpd-2.0.55.modules.mappers.mod_rewrite.c	0.0	1.0	1.0	1.0	120.0	54.0	2.0	120.0	15.491933	2	2_control	4	4_untestable
146	C:.work.src.c.httpd-2.0.55.modules.proxy.proxy_ftp.c	0.0	1.0	1.0	0.0	117.0	128.0	1.0	117.0	10.816654	2	2_control	4	4_untestable
147	C:.work.src.c.httpd-2.0.55.modules.proxy.proxy_http.c	0.0	1.0	1.0	1.0	117.0	58.0	2.0	117.0	15.297059	2	2_control	4	4_untestable
156	C:.work.src.c.httpd-2.0.55.modules.ssl.ssl_engine_kernel.c	0.0	1.0	1.0	0.0	147.0	57.0	1.0	147.0	12.124356	2	2_control	4	4_untestable
161	C:.work.src.c.httpd-2.0.55.modules.ssl.ssl_engine_vars.c	0.0	1.0	1.0	13.0	146.0	53.0	14.0	146.0	45.210618	2	2_control	4	4_untestable
165	C:.work.src.c.httpd-2.0.55.modules.ssl.ssl_expr_parse.c	0.0	1.0	1.0	17.0	127.0	60.0	18.0	127.0	47.812132	2	2_control	4	4_untestable
167	C:.work.src.c.httpd-2.0.55.modules.ssl.ssl_expr_scan.c	0.0	1.0	1.0	17.0	127.0	75.0	18.0	127.0	47.812132	2	2_control	4	4_untestable
225	C:.work.src.c.httpd-2.0.55.server.core.c	0.0	1.0	1.0	164.0	113.0	61.0	165.0	113.0	136.546695	2	2_control	4	4_untestable
235	C:.work.src.c.httpd-2.0.55.server.request.c	0.0	1.0	1.0	164.0	113.0	57.0	165.0	113.0	136.546695	2	2_control	4	4_untestable

csv出力

df_ltx_file.to_csv('df_Sturtevant.csv',sep=',',encoding='cp932')
df_ltx_file[(df_ltx_file["groupName"]=="2_control") & (df_ltx_file["cyc_groupName"]=="4_untestable")].to_csv('df_Sturtevant_control_untestable.csv',sep=',',encoding='cp932')

df_crosstab.to_csv('df_Sturtevant_crosstab.csv',sep=',',encoding='cp932')
df_crosstab_norm.applymap("{0:.2%}".format).to_csv('df_Sturtevant_crosstab_norm.csv',sep=',',encoding='cp932')