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. null与对象的复杂关系(typeof null的结果是object的原因)

    原文 简书原文:https://www.jianshu.com/p/c1608452d056 前言 对象是 JavaScript 的基础.在 JavaScript 中一共有六种主要类型(术语是“语言类 ...

  2. JavaEE 技术选型建议,server配置,部署策略

    基础设施环境 # 总体採用 centos6.5 + nginx + tomcat7.0 负载均衡:nginx 配置,使用 nginx 作为负载均衡.权重配置. 在web层做到水平扩展. 以及配置日志格 ...

  3. js进阶 11-17 juqery如何查找一个元素的同级元素

    js进阶 11-17 juqery如何查找一个元素的同级元素 一.总结 一句话总结:三个方法,向前(prev()),向后(next())和兄弟(siblings()),而前面两个每个都对应三个,pre ...

  4. php获取调用本方法的上个方法,php堆栈,函数入库

    $array =debug_backtrace(); //print_r($array);//信息很齐全 unset($array[0]); foreach($array as $row) { $ht ...

  5. HDOJ 2043 password

    刚開始看到这个题目的时候,就直接理解成仅仅要是长度符合要求而且字符符合要求,就是一个安全的password了,并没有考虑到至少要3种字符的组合.然后就直接写程序了(先暂且觉得题目就是那个意思),在測试 ...

  6. Android 虚拟机学习总结Dalvik虚拟机介绍

    1.Dalvik虚拟机与Java虚拟机的最显著差别是它们分别具有不同的类文件格式以及指令集.Dalvik虚拟机使用的是dex(Dalvik Executable)格式的类文件,而Java虚拟机使用的是 ...

  7. js进阶 11-9/10/11 jquery创建和插入节点

    js进阶 11-9/10/11 jquery创建和插入节点 一.总结 一句话总结: 1.jquery插入节点8个方法? 内部之前,内部之后,之前,之后:各两个 append()和appendTo() ...

  8. [tmux] Create collections of panes using tmux windows

    In tmux, a window is a collection of panes. Creating multiple windows is a great way to organize you ...

  9. 使用Toolbar + DrawerLayout快速实现高大上菜单侧滑

    如果你有在关注一些遵循最新的Material Design设计规范的应用的话(如果没有,假设你有!),也许会发现有很多使用了看起来很舒服.很高大上的侧滑菜单动画效果,示例如下(via 参考2): 今天 ...

  10. 【codeforces 750E】New Year and Old Subsequence

    time limit per test3 seconds memory limit per test256 megabytes inputstandard input outputstandard o ...