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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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_ ...

  5. 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 ...

  6. 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 ...

  7. 【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: ...

  8. 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 ...

  9. 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

  1. Java链接Redis时出现 “ERR Client sent AUTH, but no password is set” 异常的原因及解决办法

    Java链接Redis时出现 "ERR Client sent AUTH, but no password is set" 异常的原因及解决办法 [错误提示] redis.clie ...

  2. 三大主流ETL工具选型 分类： H2_ORACLE 2013-08-23 11:17 426人阅读 评论(0) 收藏

    ETL(extract, transform and load)产品乍看起来似乎并不起眼,单就此项技术本身而言,几乎也没什么特别深奥之处,但是在实际项目中,却常常在这个环节耗费太多的人力,而在后续的维 ...

  3. [Angular Directive] 2. Add Inputs to Angular 2 Directives

    The @Input decorator allows you to pass values into your @Directive so that you can change the value ...

  4. 【机器学习实战】第4章 朴素贝叶斯（Naive Bayes）

    第4章 基于概率论的分类方法:朴素贝叶斯 朴素贝叶斯 概述 贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类.本章首先介绍贝叶斯分类算法的基础——贝叶斯定理.最后,我们 ...

  5. js动态获取地址栏后的参数

    原文链接:https://blog.csdn.net/qq_37936542/article/details/78866651 需求:js动态的获取地址栏后面的参数 js代码: alert(GetQu ...

  6. Android的NDK开发(3)————JNI数据类型的详解

    在Java中有两类数据类型:primitive types,如,int, float, char:另一种为reference types,如,类,实例,数组. 注意:数组,不管是对象数组还是基本类型数 ...

  7. php实现求一个数的质数因子

    php实现求一个数的质数因子 一.总结 一句话总结:这么简单的题目,还是把变量定义的位置和自增的位置写错. 1 <?php 2 $num=trim(fgets(STDIN)); 3 //如果$n ...

  8. Android应用程序文件缓存getCacheDir()和getExternalCacheDir()

    如果Android引用程序需要缓存临时文件,系统提供了一个可管理的“内部缓存”和一个不可管理的“外部缓存”,分别调用getCacheDir()和getExternalCacheDir()方法,可以从当 ...

  9. erlang版本的protobuf

    这两天看了google protocol buffers的文档,protobuf非常不错,解决了一直以来遇到的消息版本不同的问题,对项目中的开发非常有帮助. 最近在学习erlang,官方只有java. ...

  10. BZOJ 1509 逃学的小孩 - 树型dp

    传送门 题目大意: 在一棵树中, 每条边都有一个长度值, 现要求在树中选择 3 个点 X.Y. Z , 满足 X 到 Y 的距离不大于 X 到 Z 的距离, 且 X 到 Y 的距离与 Y 到 Z 的距 ...