Pandas+ SLS SQL：融合灵活性和高性能的数据投影

表格分析控制能力，又能借助Pandas的迅捷的图表格图表格分析和图表格分析库里。那么两者怎么融合呢？

Pandas连接SLS 做到融入图表格分析

Pandas背书jdbc终端存取图表格，SLS也背书jdbc协商。因而Pandas可以通过jdbc协商连接SLS。对于图表格分析任务当中的较为为重的数值，通过SQL传达给SLS数值；对于较为迅捷的图表格分析、SQL已完如此一来不了的图表格分析，则在Pandas上做到二次图表格分析和可视简化。例如框架光影表格或者交叠表格：先通过SQ L已完如此一来两个阶数的交叠数值，这个更进一步往往数值量较为大；再通过Pandas已完如此一来讫佩转换，展出如此一来二维表格。

一个案例：

import numpy as np

import pandas as pd

import pymysql

# sql 命令

slshost=""

user

password=""

db # project is database

sql_cmd = "select method,status ,count(1) as pv from access_log group by method, status limit 1000"

con = pymysql.connect(host=slshost, port=10005,user=username, password=password, database=dbname, charset='utf8', use_unicode=True)

data = pd.read_sql(sql_cmd, con)

tab=pd.pivot_table(data,values="pv",index="status",columns="method" )

print(tab)

案例当中的SQL，图表格分析nginx会面会话，数值method和status两个阶数的pv。再呼叫pandas的pivot_table函数框架光影表格。

可执讫结果如下图：

原文URL：

本文为阿里容原创内容，未经无需不得刊出。

。

太极藿香正气口服液
眼睛疲劳怎么办
济南妇科医院专家预约挂号
江中多维元素片21
瑞珠和海露哪个更有优势