从数据库读取特定日期数据然后进行分析并画图展示之二---按日期统计每日告警总量-2

[{"2019-08-26": 973, "2019-08-27": 1017, "2019-08-28": 946, "2019-08-29": 939, "2019-08-30": 955, "2019-09-02": 955, "2019-09-03": 983, "2019-09-04": 944, "2019-09-05": 974, "2019-09-07": 978}, {"2019-09-07": 342}, {"2019-08-26": 159, "2019-08-27": 163, "2019-08-28": 147, "2019-08-29": 131, "2019-08-30": 125, "2019-09-02": 153, "2019-09-03": 156, "2019-09-04": 152, "2019-09-05": 150, "2019-09-07": 146}, {"2019-09-07": 43}]

按日期统计的结果如上图,用一个json文件保存,里面存的一个列表,该列表由四个字典组成,第一个字典是统计全网告警的日期和每日的告警数,第二个字典是最新日期的有告警的站点总数,第三个字典是VIP区域的告警日期和每日告警数,第四个字典是最新日期的VIP区域有告警的站点总数。

了解了代码的输出结果,再看代码就比较简单:

  1. 上面提到的四个字典由get_date_fmsum_dict,get_num_fm,get_latest_fm_station,get_11qu_num_fm四个函数分别完成;
  2. 最终结果保存到wjj_fm.json这个json文件中,这个文件作为一个数据中转,后面的画图展示函数会用到这个文件中的数据。
# -*- encoding=UTF-8 -*-
__author__ = 'wjj1982'
__date__ = '2019/8/31 23:20'
__product__ = 'PyCharm'
__filename__ = '按日期统计每日告警总量'

import pandas as pd
import os
import json


def get_date_fmsum_dict(date_fm_list):
    """输入一个list,统计出list中每个元素的出现次数,最后返回一个元素:次数的字典,用在本模块中,
    就是返回告警日期:每日告警总数的字典"""
    date_list = sorted(list(set(date_fm_list)))
    date_fmsum_dic = {}
    for i in date_list:
        date_fmsum_dic[i] = date_fm_list.count(i)
    return date_fmsum_dic


def get_latest_fm_station(date_fm_list, fm_station_list):
    """输入两个list,一个是告警日期list,一个是告警站点list,函数功能就是处理两个list,
    得到最新告警日期的所有站点list,然后通过set去重,len得到告警站点数"""
    latest_date = sorted(list(set(date_fm_list)), reverse=True)[0]
    fm_station_list_latest = []
    for i in range(len(date_fm_list)):
        if date_fm_list[i] == latest_date:
            fm_station_list_latest.append(fm_station_list[i])

    return {latest_date: len(list(set(fm_station_list_latest)))}


def get_num_fm(filename):
    """该函数的功能:按日期统计告警总表中每日告警总数,这里分两种情况,一种是没有删除AAU断引起的小区退服(.xlsx),
    一种是全表(.csv),所以通过文件后缀直接区分处理。最终返回一个日期:告警总数的字典,还有一个最新日期:告警站点数的字典"""
    if '.xlsx' in filename:
        df_csv = pd.read_excel(filename, sheet_name='删除AAU断和外部掉电后的小区告警')
    else:
        filename_csv = open(filename, 'r')
        df_csv = pd.read_csv(filename_csv)
        filename_csv.close()
    date_fm = df_csv['告警日期']
    fm_station = df_csv['网元北向标识']
    date_fm_list = list(date_fm)
    fm_station_list = list(fm_station)
    latest_fmstanum_dict = get_latest_fm_station(date_fm_list, fm_station_list)
    date_fmsum_dict = get_date_fmsum_dict(date_fm_list)
    return date_fmsum_dict, latest_fmstanum_dict


def get_11qu_num_fm(filename_suoyou):
    """输入两个表,一个是统计日期内的所有告警表,一个是精品区域的站点表,通过两个表共有的'网元北向标识'字段,
    以精品区域站点表为筛选条件从告警总表中筛选出精品区域站点的(告警日期:网元北向标识)的字典,还有一个最新日期:告警站点数的字典"""
    filename_11qu = '精品区域站点清单_20190824.xlsx'
    pd_csv_11qu = pd.read_excel(filename_11qu, sheet_name='精品区域内计划开通站点数-0824')
    fm_code = '新GNBID'
    filename_suoyou = open(filename_suoyou, 'r')
    pd_csv_suoyou = pd.read_csv(filename_suoyou)
    filename_suoyou.close()
    date_fm_list = []
    fm_station_list = []

    for i in range(0, pd_csv_suoyou.shape[0]):
        if pd_csv_suoyou.iloc[i]['网元北向标识'] in list(pd_csv_11qu[fm_code].values):
            date_fm_list.append(pd_csv_suoyou.iloc[i]['告警日期'])
            fm_station_list.append(pd_csv_suoyou.iloc[i]['网元北向标识'])

    # print(get_latest_fm_station(date_fm_list, fm_station_list))
    latest_jingpin_fmstanum_dict = get_latest_fm_station(date_fm_list, fm_station_list)
    date_fm11qu_dict = get_date_fmsum_dict(date_fm_list)
    return date_fm11qu_dict, latest_jingpin_fmstanum_dict


if __name__ == '__main__':
    # 每次重新运行时先删除wjj_fm.json
    if os.path.exists('wjj_fm.json'):
        os.remove('wjj_fm.json')
        
    filename = input('输入告警总表:')
    date_fmsum_dict, latest_fmstanum_dict = get_num_fm(filename)
    date_fm11qu_dict, latest_jingpin_fmstanum_dict = get_11qu_num_fm(filename)
    fmsum_list = [date_fmsum_dict, latest_fmstanum_dict, date_fm11qu_dict, latest_jingpin_fmstanum_dict]
    # 用json文件传递两个字典:全网的{日期:当日告警总数}和精品区域的{日期:当日告警总数}
    with open('wjj_fm.json', 'w') as wf:
        json.dump(fmsum_list, wf)

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,324评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,356评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,328评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,147评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,160评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,115评论 1 296
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,025评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,867评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,307评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,528评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,688评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,409评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,001评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,657评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,811评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,685评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,573评论 2 353

推荐阅读更多精彩内容