• Python折线图——机器人UPtime Trend Chart


    实例:绘制机器人过去days天的UPtime Trend Chart趋势变化图, 对小于90%的数值显示,可以明显的看出近期各机器人的机况状态,重点关注较低的。

    import cx_Oracle
    import xlrd
    import xlwt
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    from matplotlib.ticker import FuncFormatter
    import time 
    import datetime 
    #图表格式设置
    plt.rcParams['font.sans-serif']=['SimHei']#中文支持
    plt.rcParams['axes.unicode_minus']=False#显示负数
    #百分比格式输出
    def to_percent(temp, position):
      return '%1.0f'%(1*temp) + '%'
    #数据库连接
    conn=cx_Oracle.connect('用户名/密码@IP:端口/数据库')
    c=conn.cursor()
    #建立数据表
    xl=xlwt.Workbook()
    ws=xl.add_sheet("ROBOT_UPTIME")
    date_day = []
    robot=[]
    xx=[]#中间变量
    #sql查询机器人robot
    def select_robotid():
        robotid=[]
        sql_rbtid=("select eqpid from 数据表 where eqptype='WIO'  "
                "group by eqpid order by substr(eqpid,5,6) ")
        x=c.execute(sql_rbtid)                         
        data=x.fetchall()
        for row in data:
            robotid.append(row[0])
        return robotid
    
    #sql查询过去days天日期放入date_list中   
    def select_date(days):
        date_list=list()
        d = datetime.datetime.now()
        for i in range(1,days+1):
            oneday = datetime.timedelta(days=i)
            day = d - oneday
            #date_to = datetime.datetime(day.year, day.month, day.day)
            date_to=datetime.datetime(day.year,day.month,day.day).strftime('%Y-%m-%d')
            date_list.append(date_to)
        #print(date_list)
        #重新排序reverse()
        date_list.reverse()
        print(date_list)
        return date_list
    
    #获取过去days天机器人uptime保存xls
    def select_robot_uptime(days):
        sql_detail=("select histdate,eqpid,uptime*100 uptime "
                "from 数据表 "
                "where 1=1 "
                "and histdate>=to_char(trunc(sysdate)-"+str(days)+",'yyyy-mm-dd') "
                "and histdate< to_char(trunc(sysdate),'yyyy-mm-dd') "
                "order by histdate,substr(eqpid,2) ")
                
        x=c.execute(sql_detail)                         
        data=x.fetchall()
        #print(data)
        df=pd.DataFrame(data)
        print(df)
       
        #写入第一行
        for i in range(len(robot)):
            xx.append(robot[i])
            ws.write(0,i+1,robot[i]) #xls 0行i列第一行写入robot
        #写入第一列
        for i in range(len(date_day)):
            xx.append(date_day[i])
            ws.write(i+1,0,date_day[i]) #xls第一列写入日期
        #写入数据
        for i in range(len(robot)):
            for z in range(len(date_day)):
                for row in data: 
                    if row[0] == date_day[z] and row[1]==robot[i]  : 
                        print(robot[i])
                        print(date_day[z])
                       
                        ws.write(z+1,i+1,row[2])
        
        xl.save("E:\ROBOT_UPTIME.xls") 
    
    #结果可视化
    def paint_result():
        df= pd.read_excel( "E:\ROBOT_UPTIME.xls",sheetname=0)
        df.fillna(0,inplace=True)
        print(df.columns)
        print(len(df.columns))#列数
    
        print(len(df.index))#行数
        color=['#6666cc','#66cc33','#ff4040','#ffa500','#00fa9a','#009acd','#cdcd00','#e066ff','#ffd700','#dda0dd','#548B54','#6A5ACD','#CD6839','#EE8262','#EEE685','#ccff00']
        bar_width=0.7
        fig,ax= plt.subplots(1,figsize=(24,12))
        #plt.figure(1,figsize=(15,10))
    
        #参考线
        target1=[90]*len(df.index)
        plt.plot(np.arange(len(df.index)),target1,label='90%target',color='red',linewidth=1,linestyle='dashdot')
        
        for j in range(0,len(df.columns)):#列数 
            #取某列数据
            x=df.iloc[:,j]
    
            print(x)
            plt.plot(np.arange(len(df.index)),x,label=df.columns[j],color=color[j],linewidth=1.5,linestyle='solid',marker='o',markersize=5)
            for i in range(len(df.index)):
                    if df.iloc[i,j]<90:
                        plt.text(i,df.iloc[i,j]+1.5,'%s' %df.iloc[i,j],ha='center',va='top',fontsize=13)    
    
        #y轴x轴范围
        plt.ylim([0,105])
        plt.xlim([-1,len(df.columns)])
        #y轴百分比显示
        plt.gca().yaxis.set_major_formatter(FuncFormatter(to_percent))
        #x轴
        plt.xticks(np.arange(len(df.index)),date_day,rotation=45)
        #图例显示
        #plt.legend(loc='best') 
        plt.legend(loc=2, bbox_to_anchor=(1.02,0.97),borderaxespad = 0.) 
        #图表的标题
        plt.title("ROBOT UPTIME TREND CHART")
        fig.subplots_adjust(right=0.75)
        plt.savefig(r"E:\ROBOT_UPTIME.png",bbox_inches='tight')
        plt.show() 
    
    if __name__ == '__main__':
        #定义参数过去几天
        days=30
        #获取robotid
        robot = select_robotid()
        #查询过去days天
        date_day = select_date(days) 
        #获取机器人uptime保存   
        uptime=select_robot_uptime(days)
        #结果可视化
        paint_result()
        #关闭数据库连接
        c.close()                                                      
        conn.close()

    结果展示:

     图表可视化:

  • 相关阅读:
    JavaWeb学习(17):优化三层(加入接口和 DBUtil)
    [每日一题]:The Lazy Cow(silver)
    JavaWeb学习(16): 三层架构模式实现简单的学生管理系统(内含数据库)
    BZOJ3275Number——二分图最大权独立集
    BZOJ3438小M的作物——最小割
    BZOJ2127happiness——最小割
    BZOJ3894文理分科——最小割
    BZOJ2150部落战争——最小路径覆盖
    BZOJ4205卡牌配对——最大流+建图优化
    BZOJ4032[HEOI2015]最短不公共子串——序列自动机+后缀自动机+DP+贪心
  • 原文地址:https://www.cnblogs.com/bellin124/p/15464222.html
Copyright © 2020-2023  润新知