2019年7月
Kafka-导入导出数据
摘要： 从控制台写入数据并将其写回控制台是一个方便的起点，但您可能希望使用其他来源的数据或将数据从Kafka导出到其他系统。对于许多系统，您可以使用Kafka Connect导入或导出数据，而不是编写自定义集成代码。 Kafka Connect是Kafka附带的工具，可以向Kafka导入和导出数据。它是一个 阅读全文
posted @ 2019-07-10 16:32 Grizabella🌸 阅读(1814) 评论(0) 推荐(0) 编辑
Kafka-集群搭建
摘要： 提前准备： 安装jdk-8u201-linux-x64.tar.gz环境 安装zk集群，也可以采用kafka自带的zk，这里我使用的是自己创建的zk集群 服务器IP: zk1:192.168.1.2 zk2:192.168.1.3 zk3:192.168.1.4 kafka:192.168.1.5 阅读全文
posted @ 2019-07-10 16:19 Grizabella🌸 阅读(167) 评论(0) 推荐(0) 编辑
pandas-matplotlib绘图
摘要： 数据格式为： riqi,total1,total22019-06-01,62192,6272019-06-02,546240,5462019-06-03,6603,65972019-06-04,5943,5942019-06-05,61289,61282019-06-06,65090,6500201 阅读全文
posted @ 2019-07-02 17:37 Grizabella🌸 阅读(237) 评论(0) 推荐(0) 编辑
2019年6月
pandas.DataFarme内置的绘图功能参数说明
摘要： pandas.DataFrame.plot() 在0.23.4版本的pandas中，pandas.DataFrame.plot()中常用的参数有以下几个 x：横坐标上的标签，一般是DataFrame中某个column的名称，默认为None y：纵坐标上要显示的column，如果不指定column，则 阅读全文
posted @ 2019-06-24 18:25 Grizabella🌸 阅读(527) 评论(0) 推荐(0) 编辑
pandas数据分析-读取sqlite3数据库的数据
摘要： 在许多应用中，数据很少取自文本文件，因为用这种方式存储大量数据文件很低效，基于SQL的关系型数据库使用很广泛，此外还有一些非SQL（如NOSQL)型数据库也变得非常流行，数据库的选择通常取决于性能，数据完整性以及应用程序的伸缩性需求。 将数据从SQL加载到DataFrame非常简单，此外pandas 阅读全文
posted @ 2019-06-15 20:52 Grizabella🌸 阅读(3082) 评论(0) 推荐(0) 编辑
pandas数据分析-读取文本格式的数据
摘要： 因为其简单的文件交互语法、直观的数据结构，以及诸如元组打包解包之类的便利功能，python在文本和文件处理方面已经成为一门简单的语言。 pandas提供了一些用于将表格型数据读取为DataFrame对象的函数，以下对他们进行了总结，其中read_csv和read_table可能是你今后用的最多的。 阅读全文
posted @ 2019-06-10 17:59 Grizabella🌸 阅读(652) 评论(0) 推荐(0) 编辑
pandas数据分析-三维面板数据Panel
摘要： pandas有一个Panel数据结构，可以看做为三维版的DataFrame。 基于ix的标签索引被推广到了三个维度，因此我们可以选取指定日期和日期范围的所有数据。 另一个用于呈现面板数据的办法是堆积式的DataFrame形式。 DataFrame有一个to_panel方法，他是to_frame的逆运 阅读全文
posted @ 2019-06-09 20:11 Grizabella🌸 阅读(2360) 评论(0) 推荐(0) 编辑
pandas数据分析-使用DataFrame的列
摘要： 人们经常想要将DataFrame的一个或多个列当作行索引来用，或者可能希望将行索引当成DataFrame的列。 DataFrame的set_index函数会将其一个或多个列转换为行索引，并创建 一个新的DataFrame。 默认情况下，那些列会在DataFrame中移除，但是也可以将其保留下来。 r 阅读全文
posted @ 2019-06-09 14:51 Grizabella🌸 阅读(276) 评论(0) 推荐(0) 编辑
pandas数据分析-重新分级排序/根据级别汇总统计
摘要： 有时你需要重新调整某个轴上面的级别顺序，swaplever接受两个级别编号或者名称，并返回一个互换了级别的新对象。 而sortlever（或者sort_index(1）则根据单个级别中的值对数据进行排序，交换级别时，常常用到sortlever，这样最终结果就是有序的了。 许多对DataFrame和S 阅读全文
posted @ 2019-06-09 14:31 Grizabella🌸 阅读(901) 评论(0) 推荐(0) 编辑
pandas数据分析-层次化索引
摘要： 层次化索引是pandas的一项重要功能，他使你能在一个轴上拥有多个（两个以上）索引级别，抽象点说，它能使你以低维度形式处理高纬度数据，我们先来看一个简单的例子，创建一个Series，并用一个由列表或数组组成的列表作为索引。 这就是带有MultiIndex索引的Series的格式化输出形式，索引之间的 阅读全文
posted @ 2019-06-08 21:07 Grizabella🌸 阅读(321) 评论(0) 推荐(0) 编辑
下一页