Python处理日志文件

背景

公司视频应用,需要针对用户的操作数据分析,得出应用内所有的视频的权重分析,方便以后更好的进行推荐视频操作.目前已有的log格式主要有:

    action             vid           uid
    view video      video_001        NaN
    play video      video_001       user_00x

用户分为注册用户与游客两种,操作主要有view,like,comment,upload,download几种.为了方便处理,第一阶段只考虑针对游客访问的视频进行处理.这样形成一个只有actionuid的字典形式.处理数据主要使用pythonpandas库.

清洗数据

日志初期action包括view,like,comment,upload,uid包括用户id以及代表游客的NaN空值.第一步需要把这些action具体量化,为了简单量化初期:view = 1 , like = 2 , comment = 3 , upload = 3 , download = 3.日志文件以csv格式存储.导入数据后进行处理:

import pandas as pd
# pandas读取csv
data = pd.read_csv('data.csv')
# action为playvideo的设置为1,即打分为1
data.loc[data['action']=='playvideo','action']=1
# 把NaN(即游客)值重置为0
data=data.fillna(value = '0')
# 过滤出uid值为0的数据
tourist_data = data.loc[data['uid']=='0']
del tourist_data['uid']
# tourist_data为action与uic的矩阵

DataFrame如下

   action                               vid
0       1  2c9f91345c3ed855015c5ee9cb904681
1       1  2c9f91345c3ed855015c52649f962d4f
2      -1  2c9f91345c2007f8015c2deee14c18cb
3       1  2c9f91345c3ed855015c5ee9cb904681
4       3  2c9f91345c2007f8015c2deee14c18cb

针对这个数据,需要进行清洗.找出重复的vid,并相加对应的action.得出的矩阵就是需要的vid的score排列.
首先DataFrame生成vid的list
vid_list=tourist_data['vid'].values.tolist()
问题分解为寻找list中重复的数值,并把数值对应的index记录下来.需要用到两个库enumeratedefaultdict
enumerate可以把list生成带有index的dict
defaultdict可以对list形成的dict进行统计处理

# 生成带有index的列表
In [189]: [(v,i) for i,v in enumerate(vid_list)]
Out[189]:
[('2c9f91345c3ed855015c5ee9cb904681', 0),
 ('2c9f91345c3ed855015c52649f962d4f', 1),
 ('2c9f91345c2007f8015c2deee14c18cb', 2),
 ('2c9f91345c3ed855015c5ee9cb904681', 3),
 ('2c9f91345c2007f8015c2deee14c18cb', 4),
 ('2c9f91345c3ed855015c52649f962d4f', 5),
 ('2c9f91345c2007f8015c2deee14c18cb', 6),
 ('2c9f91345bf13cac015bfce28ef31002', 7),
 ('2c9f91345c3ed855015c5ee9cb904681', 8),
 ('2c9f91345c3ed855015c52649f962d4f', 9)]

# 利用defaultdict生成对重复vid处理后的dict
In [190]: vid_dict = defaultdict(list)

In [191]: for key, value in [(v, i) for i, v in enumerate(vid_list)]:
     ...:   vid_dict[key].append(value)
     ...:

In [192]: vid_dict
Out[192]:
defaultdict(list,
            {'2c9f91345bf13cac015bfce28ef31002': [7],
             '2c9f91345c2007f8015c2deee14c18cb': [2, 4, 6],
             '2c9f91345c3ed855015c52649f962d4f': [1, 5, 9],
             '2c9f91345c3ed855015c5ee9cb904681': [0, 3, 8]})

vid对应的list即为对应的index位置,利用index位置就可以为score_list进行处理累加

# 生成score list
score_list = tourist_data['action'].values.tolist()
In [222]: vid_dict = defaultdict(list)

In [223]: for key, value in [(v, i) for i, v in enumerate(vid_list)]:
     ...:     vid_dict[key].append(value)

In [224]: vid_dict
Out[224]:
defaultdict(list,
            {'2c9f91345bf13cac015bfce28ef31002': [7],
             '2c9f91345c2007f8015c2deee14c18cb': [2, 4, 6],
             '2c9f91345c3ed855015c52649f962d4f': [1, 5, 9],
             '2c9f91345c3ed855015c5ee9cb904681': [0, 3, 8]})
In [227]: rank_list=[]
     ...: for i in vid_dict:
     ...:     score = 0
     ...:     for index in vid_dict[i]:
     ...:         score += int(score_list[index])
     ...:     rank_list.append(score)

In [231]: vid_list = []

In [232]: for i in vid_dict:
     ...:     vid_list.append(i)
In [233]: vid_list
Out[233]:
['2c9f91345bf13cac015bfce28ef31002',
 '2c9f91345c2007f8015c2deee14c18cb',
 '2c9f91345c3ed855015c5ee9cb904681',
 '2c9f91345c3ed855015c52649f962d4f']

In [234]: rank_list
Out[234]: [1, 4, 5, 3]
In [237]: vid_score = pd.DataFrame({'score':rank_list,'vid':vid_list})

生成scorevid的矩阵

针对生成的数据进行分析

使用altair对数据进行画图分析

# 导入csv文件
import pandas as pd
from altair import Chart, load_dataset
%matplotlib inline
vids_score = pd.read_csv('./res/vid_score.csv')
bins = [0, 10, 20, 30, 40, 50,60,70,80,90, 100,150,200,300,400,500,1000,1500]
scores = pd.cut(vids_score['score'], bins)
def get_stats(group):
    return {'count': group.count()}
grouped = vids_score['score'].groupby(scores)
bin_counts = grouped.apply(get_stats).unstack()
bin_counts
bin_counts.index = ['0~10', '10~20', '20~30', '30~40', '40~50', '50~60', '60~70',
                    '70~80', '80~90', '90~100','100-150','150-200','200-300','300-400','400-500','500-1000','1000-1500']
bin_counts.index.name = 'score'
plt=bin_counts.plot(kind='bar', alpha=0.5, rot=1,width = 0.8,align='center',figsize=(15,4))
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 160,108评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,699评论 1 296
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,812评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,236评论 0 213
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,583评论 3 288
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,739评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,957评论 2 315
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,704评论 0 204
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,447评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,643评论 2 249
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,133评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,486评论 3 256
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,151评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,108评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,889评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,782评论 2 277
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,681评论 2 272

推荐阅读更多精彩内容

  • 1. Java基础部分 基础部分的顺序:基本语法,类相关的语法,内部类的语法,继承相关的语法,异常的语法,线程的语...
    子非鱼_t_阅读 31,296评论 18 399
  • ¥开启¥ 【iAPP实现进入界面执行逐一显】 〖2017-08-25 15:22:14〗 《//首先开一个线程,因...
    小菜c阅读 6,214评论 0 17
  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,103评论 18 139
  • 一. Java基础部分.................................................
    wy_sure阅读 3,731评论 0 11
  • 我想带你去海边 看海浪拍打你的脚踝 我想带你去山顶 看朝阳驱散清晨浓雾 我想带你去草原 看奔马追逐风的脚步 我想带...
    jianshuxuhan阅读 233评论 1 5