Как построить график по запрашиваемым данным InfxDB?

Я использую Influx DataFrameClient в python для получения данных:

from influxdb import DataFrameClient

cli = DataFrameClient(host='localhost',port =   8086,database='rahul')

q= cli.query('select * from cpu')
print(q)

Но запрос извлекает данные в формате dict с большим количеством неправильного сдвига заголовка (что меня удивило):

defaultdict(<type 'list'>, {u'cpu':                                         host    region  value
2018-05-26 10:14:03.151530998+00:00  serverA   us_west   0.64
2018-05-26 10:20:08.584895220+00:00  serverB   us_east   0.74
2018-05-26 10:21:53.594648689+00:00  serverC  us_north   0.84
2018-05-26 10:22:03.750544189+00:00  serverC  us_south   0.91
2018-05-26 10:22:22.360371835+00:00  serverA  us_north   0.10
2018-05-26 10:30:19.126093956+00:00  serverB   us_east   0.19
2018-05-26 10:30:36.509174972+00:00  serverA  us_north   0.21
2018-05-26 10:30:52.672447701+00:00  serverB   us_west   0.81})

Я попытался сделать pandas.DataFrame(q) для преобразования запрашиваемых данных в dataFrame, но не сработал.

Итак, как я могу построить график, скажем, date по сравнению с данными value, и что, если требуются манипуляции с данными, как применить pandas для манипуляций?

Есть ли способ преобразовать эти запрошенные данные в dataFrame с помощью pandas и, следовательно, манипулировать для их визуализации?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
799
1

Ответы 1

DataFrameClient возвращает Словарь DataFrames с именами измерений в качестве ключей.

Если вы используете q["cpu"], это должно дать вам ваш Dataframe с правильным заголовком, и вы можете делать с ним все, что захотите.

Другие вопросы по теме