python_简单的DB统计
import numpy as np
import pylab as pl
dates=['20170314','20170315','20170316','20170317','20170318','20170319']
x = range(len(dates))
y = [1974786,3502609,3824524,2046503,5623141]
y.append(5505794)
pl.plot(x,y,'ro-')
pl.xticks(x, dates, rotation=45)
pl.margins(0.08)
pl.subplots_adjust(bottom=0.15)
pl.grid(True)
pl.show()
含DB的统计 包含图展示
import MySQLdb
import numpy as np
import pylab as pl
import datetime
def analysisData(conn='test',tablename='test'):
today=datetime.date.today()
date1=str(today-datetime.timedelta(days=6))
date2=str(today-datetime.timedelta(days=5))
date3=str(today-datetime.timedelta(days=4))
date4=str(today-datetime.timedelta(days=3))
date5=str(today-datetime.timedelta(days=2))
date6=str(today-datetime.timedelta(days=1))
date7=str(today)
date8=str(today+datetime.timedelta(days=1))
dates=[date1,date2,date3,date4,date5,date6,date7]
x = range(len(dates))
y = []
sql='select "'+date1+'",count(*) from '+tablename+' where time> unix_timestamp("'+date1+'") and time < unix_timestamp("'+date2+'")'
cur.execute(sql)
result=cur.fetchone()
print result
y.append(result[1])
sql='select "'+date2+'",count(*) from '+tablename+' where time> unix_timestamp("'+date2+'") and time < unix_timestamp("'+date3+'")'
cur.execute(sql)
result=cur.fetchone()
print result
y.append(result[1])
sql='select "'+date3+'",count(*) from '+tablename+' where time> unix_timestamp("'+date3+'") and time < unix_timestamp("'+date4+'")'
cur.execute(sql)
result=cur.fetchone()
print result
y.append(result[1])
sql='select "'+date4+'",count(*) from '+tablename+' where time> unix_timestamp("'+date4+'") and time < unix_timestamp("'+date5+'")'
cur.execute(sql)
result=cur.fetchone()
print result
y.append(result[1])
sql='select "'+date5+'",count(*) from '+tablename+' where time> unix_timestamp("'+date5+'") and time < unix_timestamp("'+date6+'")'
cur.execute(sql)
result=cur.fetchone()
print result
y.append(result[1])
sql='select "'+date6+'",count(*) from '+tablename+' where time> unix_timestamp("'+date6+'") and time < unix_timestamp("'+date7+'")'
cur.execute(sql)
result=cur.fetchone()
print result
y.append(result[1])
sql='select "'+date7+'",count(*) from '+tablename+' where time> unix_timestamp("'+date7+'") and time < unix_timestamp("'+date8+'")'
cur.execute(sql)
result=cur.fetchone()
print result
y.append(result[1])
pl.plot(x, y)
pl.xticks(x, dates, rotation=45)
pl.grid(True)
pl.show()
try:
today=datetime.date.today()
date1=str(today-datetime.timedelta(days=6))
date2=str(today-datetime.timedelta(days=5))
date3=str(today-datetime.timedelta(days=4))
date4=str(today-datetime.timedelta(days=3))
date5=str(today-datetime.timedelta(days=2))
date6=str(today-datetime.timedelta(days=1))
date7=str(today)
date8=str(today+datetime.timedelta(days=1))
dates=[date1,date2,date3,date4,date5,date6,date7]
x = range(len(dates))
y = []
conn=MySQLdb.connect(host='192.168.*.*',user='ulog',passwd='***',db='log_platform',port=8888)
cur=conn.cursor()
tablename='tblDayiPcLog0'
print tablename
analysisData(conn,tablename)
tablename='tblDayiPcLog1'
print tablename
analysisData(conn,tablename)
tablename='tblDayiPcLog2'
print tablename
analysisData(conn,tablename)
tablename='tblDayiPcLog3'
print tablename
analysisData(conn,tablename)
tablename='tblDayiPcLog4'
print tablename
analysisData(conn,tablename)
tablename='tblDayiPcLog5'
print tablename
analysisData(conn,tablename)
tablename='tblDayiPcLog6'
print tablename
analysisData(conn,tablename)
tablename='tblDayiPcLog7'
print tablename
analysisData(conn,tablename)
tablename='tblDayiPcLog8'
print tablename
analysisData(conn,tablename)
tablename='tblDayiPcLog9'
print tablename
analysisData(conn,tablename)
cur.close()
conn.close()
except MySQLdb.Error,e:
print "err"%(e.args[0],e.args[1])
python_简单的DB统计的更多相关文章
- 超简单的qps统计方法(推荐)【转】
统计最近N秒内的QPS值(包括每秒select,insert等值) mysql> select variable_name,sum(per_sec) as qps from (select st ...
- Struts2实现简单的在线人数统计
用Strust2框架的知识简单实现一个统计在线人数的问题. 1 搭建开发环境:(配置文件,jar包等问题) 2 index.jsp <%@ page language="java&qu ...
- 用python实现简单EXCEL数据统计的实例
用python实现简单EXCEL数据统计的实例 下面小编就为大家带来一篇用python实现简单EXCEL数据统计的实例.小编觉得挺不错的,现在就分享给大家,也给大家做个参考.一起跟随小编过来看看吧 任 ...
- 用 python实现简单EXCEL数据统计
任务: 用python时间简单的统计任务-统计男性和女性分别有多少人. 用到的物料:xlrd 它的作用-读取excel表数据 代码: import xlrd workbook = xlrd.open_ ...
- 使用Redis bitmaps进行快速、简单、实时统计
原文:Fast, easy, realtime metrics using Redis bitmaps (http://blog.getspool.com/2011/11/29/fast-easy-r ...
- 使用vs的查找功能,简单大概的统计vs中的代码行数
VS强大的查找功能,可以使用正则表达式来进行查找,这里统计代码行数的原理就是: 在所有指定文件中进行搜索,统计匹配的文本行数. 但是匹配的行需要满足:非注释.非空等特殊非代码行. 使用Ctrl+Shi ...
- 【NLP】暑假课作业3 - 词性标注(简单词频概率统计)
作业任务: 使用98年人民日报语料库进行词性标注训练及测试. 作业输入: 98年人民日报语料库(1998-01-105-带音.txt),用80%的数据作为训练集,20%的数据作为验证集. 运行环境: ...
- Python实现简单中文词频统计示例
简单统计一个小说中哪些个汉字出现的频率最高: import codecs import matplotlib.pyplot as plt from pylab import mpl mpl.rcPar ...
- 简单Sql语句统计每年每个月的数据,每个月为数据的每列,简单SQL练习
有一张表,数据如下 请写出结果为以下的SQL语句. 在mysql中创建表 CREATE TABLE `aa` ( `id` int(10) NOT NULL AUTO_INCREMENT COMME ...
随机推荐
- ldap chinese guide
OpenLDAP2.4管理员指南 http://wiki.jabbercn.org/index.php/OpenLDAP2.4%E7%AE%A1%E7%90%86%E5%91%98%E6%8C%87% ...
- Web系统自动化部署脚本
Web开发的项目,除了在本地直接运行外,还可能经常需要在服务器上部署. 写了个自动化部署的脚本,仅供参考. 不少地方需要配置路径,个人建议使用绝对路径,不用依赖执行脚本时所在的路径. #!/bin/s ...
- 【Redis源代码剖析】 - Redis内置数据结构之压缩字典zipmap
原创作品,转载请标明:http://blog.csdn.net/Xiejingfa/article/details/51111230 今天为大家带来Redis中zipmap数据结构的分析,该结构定义在 ...
- js判断是否微信客户端
上周接到个需求,需求是这样的:用户扫一扫二维码会产生一个链接,该链接会向后端发送个请求,返回一个 apk 的下载地址,用户点击下载按钮可以下载此 apk.然后就发生了问题,经过测试,发现用微信扫一扫打 ...
- SQLServer重建索引
Use [数据库名称]Go DECLARE @DBCCString NVARCHAR(1000)DECLARE @TableName VARCHAR(100)DECLARE Cur_Index CUR ...
- Redis内存管理的基石zmallc.c源代码解读(一)
当我第一次阅读了这个文件的源代码的时候.我笑了,忽然想起前几周阿里电话二面的时候,问到了自己定义内存管理函数并处理8字节对齐问题. 当时无言以对,在面试官无数次的提示下才答了出来,结果显而易见,挂掉了 ...
- 前端Js框架汇总(工具多看)
前端Js框架汇总(工具多看) 一.总结 一句话总结: 二.前端Js框架汇总 概述: 有些日子没有正襟危坐写博客了,互联网飞速发展的时代,技术更新迭代的速度也在加快.看着Java.Js.Swift在各领 ...
- 【codeforces 750E】New Year and Old Subsequence
time limit per test3 seconds memory limit per test256 megabytes inputstandard input outputstandard o ...
- BZOJ 2783 树 - 树上倍增 + 二分
传送门 分析: 对每个点都进行一次二分:将该点作为链的底端,二分链顶端所在的深度,然后倍增找到此点,通过前缀和相减求出链的权值,并更新l,r. code #include<bits/stdc++ ...
- 虚拟机的ip网络设置的选择
首先看一下vm的这几个设置 通过截图可以基本看到几个网络设置的区别,具体体现在虚拟机装好以后,网络设置会多出两个适配器,不同模式会分配不同区段的ip,需要固定时主要区段要求 所以总结一下 1.桥连,适 ...