Question

我对几个项目进行了静态代码分析，并根据生成的报告为这些项目中的每个文件获得了Cyclomatic Complexity。现在我想计算整个项目的平均Cyclomatic Complexity。

我如何才能最好地实现这一目标？

只是将每个文件的Cyclomatic Complexity值相加然后除以文件数似乎是错误的，因为短头文件与非常长的文件具有相同的影响。另外，我想避免通过代码行加权文件的重要性。

还有其他办法吗？例如，中位数？

Answer 1

实际上的循环复杂性衡量源代码中的决策数量。（它实际上比一般情况下更复杂，但在结构化代码的情况下却衰弱了）。它通常被计算为＃decision + 1，即使在更复杂的情况下（是的，这是一种近似）。

所以，如果你有两个CC测量，x和y，带

   CC(x)=#decisions(x)+1,

和

   CC(y)=#decisions(y)+1,

总数

   CC(x with y) = #decisions(x)+#decisions(y)+1=CC(x)+CC(y)-1

因此，如果您有N组CC数据，则整体CC的良好近似值为：

   [Sum i=1..n: CC(i)]-(N-1)

如果您想要系统中的每个文件的平均值，请将上面的值除以N。

Answer 2

从你的问题来看，我会说你首先要确定你对平均CC的意图。

如果你想计算项目文件的平均CC，比如将它与另一个项目进行比较，那么从文件中添加CC并除以代码文件的数量是正确的做。但它没有比平均值更好的东西：它不代表单个文件级别的预期特征。所以当你说：

since a short header file would have the same impact as a very long file

这是错的。短头文件和非常长的文件不具有相同的CC，并且不使用平均CC来比较单个文件。

如果使用平均CC来比较项目之间的比较：从统计角度来看，软件指标确实偏离了分布，因此确实使用中位数可能更好。但它又一次在很大程度上取决于你对它的用法。

Answer 3

正如你所说的那样，平均指标不是很有用，因为大量的简单函数可能会隐藏＆＃34;一个非常复杂。所以，我更喜欢比较分布图。它提供了更多信息。