Python统计汇总Grafana导出的csv文件到Excel

公众号: 云原生生态圈

发布于 2021-05-11 15:11:23

3.9K0

发布于 2021-05-11 15:11:23

文章被收录于专栏：云原生生态圈云原生生态圈

背景: 定时每周把grafana导出的csv文件进行统计汇总工作，需要处理的csv文件比较多，干脆写个脚本，每周执行一遍脚本，既方便还不会出错。

需求分析

原始文件分析

原始文件是多个csv表格，第一列为时间戳，每10分钟统计生成一行，其余列为ip地址在该时间段内的访问次数

处理结果分析

根据要求，统计每个ip地址在当天访问次数求和，汇总生成新表格，结果如下，并将所有csv文件按照文件名，分别汇总到不同的sheet下

代码逻辑

流程分析

首先遍历指定目录下的.csv文件，提取文件名生成数组
然后使用pandas库读取csv文件，提取日期和ip，然后统计每个ip当天访问次数，生成新的DataFrame
最后使用xlwings库将pandas处理后的DataFrame数据写入excel文件，指定文件名作为sheet名

遍历指定目录下.csv文件

主要用到了os模块中的walk()函数，可以遍历文件夹下所有的文件名。

def find_csv(path):
    """
    查找目录下csv文件
    :param path: 查找csv的目录路径
    :return: csv文件名list
    """
    csv_file = []
    for root, dirs, files in os.walk(path):
        for file in files:
            if os.path.splitext(file)[1] == '.csv':
                csv_file.append(os.path.join(root, file))
    return csv_file

pandas处理csv文件

pandas是python环境下最有名的数据统计包，对于数据挖掘和数据分析，以及数据清洗等工作，用pandas再合适不过了，官方地址：https://www.pypandas.cn/[1]

def summary_data(file):
    """
    grafana导出的csv文件处理汇总
    :param file: csv文件路径
    :return: 处理完成后的pandas对象
    """
    # 读取整个csv文件
    csv_data = pd.read_csv(file, ';')
    # 提取日期
    csv_data["Time"] = csv_data["Time"].map(lambda Time: Time[0:10])
    date = csv_data["Time"].drop_duplicates()
    # 提取IP
    ip_list = csv_data.columns.values[1:]
    # 生成新列表
    result_data = []
    for day in list(date):
        ip_data = []
        for ip in ip_list:
            # 统计指定ip地址在指定日期的数据之和
            ip_sum = csv_data.loc[csv_data['Time'] == day, ip].sum()
            ip_data.append(ip_sum)
            # print("日期：%s ip：%s 总计:%s" % (day, ip, ip_sum))
        result_data.append(ip_data)
    # 生成新的DataFrame
    result_df = pd.DataFrame(result_data, index=list(date), columns=ip_list)
    # 添加行列统计
    result_df['day_sum'] = result_df.apply(lambda x: x.sum(), axis=1)
    result_df.loc['ip_sum'] = result_df.apply(lambda x: x.sum())
    print(file, "处理完毕!")
    return result_df

excel数据写入

pandas的to_excel方法也可以写入到excel文件，但是如果需要写入到指定的sheet，就无法满足需求了，此时就需要用的xlwings或者openpyxl库，此处使用xlwings，参考文档：https://www.xlwings.org/pro[2]

def save_excel(data_df, file_name, excel_name):
    """
    生成并写入新excel文件
    :param data_df: pandas数据对象
    :param file_name: 传入文件名，作为生成的sheet名称
    :param excel_name: 生成excel文件名
    :return: null
    """
    sheet_name = file_name[file_name.rfind('/', 1) + 1:file_name.rfind('.', 1)]
    wb = xlwings.Book(excel_name)
    sheet = wb.sheets.add(name=sheet_name)
    sheet.range("A1").value = data_df
    wb.save()
    wb.close()
    print(sheet_name, "Sheet写入完毕!")

完整代码

import os
import pandas as pd
import xlwings
def find_csv(path):
    """
    查找目录下csv文件
    :param path: 查找csv的目录路径
    :return: csv文件名list
    """
    csv_file = []
    for root, dirs, files in os.walk(path):
        for file in files:
            if os.path.splitext(file)[1] == '.csv':
                csv_file.append(os.path.join(root, file))
    return csv_file
def summary_data(file):
    """
    grafana导出的csv文件处理汇总
    :param file: csv文件路径
    :return: 处理完成后的pandas对象
    """
    # 读取整个csv文件
    csv_data = pd.read_csv(file, ';')
    # 提取日期
    csv_data["Time"] = csv_data["Time"].map(lambda Time: Time[0:10])
    date = csv_data["Time"].drop_duplicates()
    # 提取IP
    ip_list = csv_data.columns.values[1:]
    # 生成新列表
    result_data = []
    for day in list(date):
        ip_data = []
        for ip in ip_list:
            ip_sum = csv_data.loc[csv_data['Time'] == day, ip].sum()
            ip_data.append(ip_sum)
            # print("日期：%s ip：%s 总计:%s" % (day, ip, ip_sum))
        result_data.append(ip_data)
    result_df = pd.DataFrame(result_data, index=list(date), columns=ip_list)
    # 添加行列统计
    result_df['day_sum'] = result_df.apply(lambda x: x.sum(), axis=1)
    result_df.loc['ip_sum'] = result_df.apply(lambda x: x.sum())
    print(file, "处理完毕!")
    return result_df
def save_excel(data_df, file_name, excel_name):
    """
    生成并写入新excel文件
    :param data_df: pandas数据对象
    :param file_name: 传入文件名，作为生成的sheet名称
    :param excel_name: 生成excel文件名
    :return: null
    """
    sheet_name = file_name[file_name.rfind('/', 1) + 1:file_name.rfind('.', 1)]
    wb = xlwings.Book(excel_name)
    sheet = wb.sheets.add(name=sheet_name)
    sheet.range("A1").value = data_df
    wb.save()
    wb.close()
    print(sheet_name, "Sheet写入完毕!")
if __name__ == '__main__':
    # 原始csv文件存放路径
    path = './csv'
    # 生成excel文件名
    excel_name = 'cm.xlsx'
    csv_file = find_csv(path)
    # 创建excel文件
    new_excel = pd.DataFrame()
    new_excel.to_excel(excel_name)
    # 处理并写入excel文件
    for file in csv_file:
        data_df = summary_data(file)
        save_excel(data_df, file, excel_name)
    # 删除默认Sheet1
    wb = xlwings.Book(excel_name)
    wb.sheets['Sheet1'].delete()
    wb.save()
    wb.close()
    print("数据汇总完毕,生成文件路径 %s/%s" % (os.getcwd(), excel_name))