前言
收到一个csv数据文件，是交换机的流量数据。本文分享如何利用chatGPT快速加数据更加直观的展示。前后只用了10分钟不到，即获得一下效果。
过程
csv数据处理
先简单处理下收到的csv文件，去掉表头。只留下时间和数据列。处理后的数据格式如下。
vim 替换
%s /"""//g
%s /"\%uFEFF""//g
和chatgpt对话过程
需要经过一系列的微调，才得到最终代码。下面只展示，我的提问过程，将chatgpt的回答略去
数据存储在 RT03.csv内，格式为 2023-03-24 16:00:00,3417.6906556000,3417.6128778000 每行1个 直接给出python可视化完整代码
...
美化一下代码
...
value1 改为 Inbound, value2改为 Outbound
...
标题为 交换机流量
...
画两张表，不合并
...
value 值 除1000000000,然后保留2位小数
最终代码
最终生成的代码复制一下，保存到文件。随便起个名字，比如t.py。
import pandas as pd
import matplotlib.pyplot as plt
# 读取 CSV 文件
df = pd.read_csv('a.csv', header=None, names=['datetime', 'Inbound', 'Outbound'])
# 将 datetime 列转换为时间戳类型
df['datetime'] = pd.to_datetime(df['datetime'], format='%Y-%m-%d %H:%M:%S')
# 将 Inbound 和 Outbound 列中的值除以 1e9，即十亿，然后保留真实值
df['Inbound'] = df['Inbound'] / 1e9
df['Outbound'] = df['Outbound'] / 1e9
# 标出 Inbound 和 Outbound 列中的最大值
inbound_max = df['Inbound'].max()
outbound_max = df['Outbound'].max()
# 设置 datetime 列为索引
df.set_index('datetime', inplace=True)
# 绘制 Inbound 的折线图
plt.subplot(2, 1, 1)
plt.plot(df['Inbound'], linestyle='-', color='blue')
plt.title('Inbound Traffic')
plt.xlabel('Time')
plt.ylabel('Value (G)')
plt.annotate(f'Max Inbound: {inbound_max:.2f} G',
xy=(df['Inbound'].idxmax(), inbound_max),
xytext=(df.index[-10], inbound_max-5),
arrowprops=dict(facecolor='pink', arrowstyle='->'))
# 绘制 Outbound 的折线图
plt.subplot(2, 1, 2)
plt.plot(df['Outbound'], linestyle='--', color='red')
plt.title('Outbound Traffic')
plt.xlabel('Time')
plt.ylabel('Value (G)')
plt.annotate(f'Max Outbound: {outbound_max:.2f} G',
xy=(df['Outbound'].idxmax(), outbound_max),
xytext=(df.index[-10], outbound_max-5),
arrowprops=dict(facecolor='pink', arrowstyle='->'))
plt.tight_layout()
plt.show()
执行
最后执行一下，即可获得文章头部的图。更直观的展示数据。
python3 t.py
评论 (0)