国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 編程 > Python > 正文

Python數據分析之真實IP請求Pandas詳解

2020-02-23 04:07:02
字體:
來源:轉載
供稿:網友

前言

pandas 是基于 Numpy 構建的含有更高級數據結構和工具的數據分析包類似于 Numpy 的核心是 ndarray,pandas 也是圍繞著 Series 和 DataFrame 兩個核心數據結構展開的 。Series 和 DataFrame 分別對應于一維的序列和二維的表結構。pandas 約定俗成的導入方法如下:

from pandas import Series,DataFrameimport pandas as pd

1.1. Pandas分析步驟

    1、載入日志數據

    2、載入area_ip數據

    3、將 real_ip 請求數 進行 COUNT。類似如下SQL:

SELECT inet_aton(l.real_ip),  count(*),  a.addrFROM log AS lINNER JOIN area_ip AS a  ON a.start_ip_num <= inet_aton(l.real_ip)  AND a.end_ip_num >= inet_aton(l.real_ip)GROUP BY real_ipORDER BY count(*)LIMIT 0, 100;

1.2. 代碼

cat pd_ng_log_stat.py#!/usr/bin/env python#-*- coding: utf-8 -*- from ng_line_parser import NgLineParser import pandas as pdimport socketimport struct class PDNgLogStat(object):   def __init__(self):    self.ng_line_parser = NgLineParser()   def _log_line_iter(self, pathes):    """解析文件中的每一行并生成一個迭代器"""    for path in pathes:      with open(path, 'r') as f:        for index, line in enumerate(f):          self.ng_line_parser.parse(line)          yield self.ng_line_parser.to_dict()   def _ip2num(self, ip):    """用于IP轉化為數字"""    ip_num = -1    try:      # 將IP轉化成INT/LONG 數字      ip_num = socket.ntohl(struct.unpack("I",socket.inet_aton(str(ip)))[0])    except:      pass    finally:      return ip_num   def _get_addr_by_ip(self, ip):    """通過給的IP獲得地址"""    ip_num = self._ip2num(ip)     try:      addr_df = self.ip_addr_df[(self.ip_addr_df.ip_start_num <= ip_num) &                    (ip_num <= self.ip_addr_df.ip_end_num)]      addr = addr_df.at[addr_df.index.tolist()[0], 'addr']      return addr    except:      return None             def load_data(self, path):    """通過給的文件路徑加載數據生成 DataFrame"""    self.df = pd.DataFrame(self._log_line_iter(path))    def uv_real_ip(self, top = 100):    """統計cdn ip量"""    group_by_cols = ['real_ip'] # 需要分組的列,只計算和顯示該列         # 直接統計次數    url_req_grp = self.df[group_by_cols].groupby(                   self.df['real_ip'])    return url_req_grp.agg(['count'])['real_ip'].nlargest(top, 'count')       def uv_real_ip_addr(self, top = 100):    """統計real ip 地址量"""    cnt_df = self.uv_real_ip(top)     # 添加 ip 地址 列    cnt_df.insert(len(cnt_df.columns),           'addr',           cnt_df.index.map(self._get_addr_by_ip))    return cnt_df       def load_ip_addr(self, path):    """加載IP"""    cols = ['id', 'ip_start_num', 'ip_end_num',        'ip_start', 'ip_end', 'addr', 'operator']    self.ip_addr_df = pd.read_csv(path, sep='/t', names=cols, index_col='id')    return self.ip_addr_df def main():  file_pathes = ['www.ttmark.com.access.log']   pd_ng_log_stat = PDNgLogStat()  pd_ng_log_stat.load_data(file_pathes)   # 加載 ip 地址  area_ip_path = 'area_ip.csv'  pd_ng_log_stat.load_ip_addr(area_ip_path)   # 統計 用戶真實 IP 訪問量 和 地址  print pd_ng_log_stat.uv_real_ip_addr() if __name__ == '__main__':  main()            
發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 乌海市| 岳西县| 怀集县| 加查县| 容城县| 寿宁县| 新乡县| 界首市| 临泽县| 定远县| 江西省| 南溪县| 贵南县| 洛浦县| 城口县| 郑州市| 团风县| 德兴市| 沾化县| 贵阳市| 安义县| 玉溪市| 阳江市| 格尔木市| 高台县| 温州市| 临江市| 衡南县| 苍溪县| 沧源| 宿州市| 青岛市| 白玉县| 清新县| 竹山县| 全南县| 荔波县| 潞城市| 巴林右旗| 收藏| 宝清县|