Python調(diào)用Prometheus監(jiān)控?cái)?shù)據(jù)并計(jì)算
Prometheus是什么
Prometheus是一套開源監(jiān)控系統(tǒng)和告警為一體，由go語言(golang)開發(fā)，是監(jiān)控+報(bào)警+時(shí)間序列數(shù)
據(jù)庫的組合。適合監(jiān)控docker容器。因?yàn)閗ubernetes(k8s)的流行帶動(dòng)其發(fā)展。
Prometheus的主要特點(diǎn)
- 多維度數(shù)據(jù)模型，由指標(biāo)名稱和鍵/值對(duì)標(biāo)識(shí)的時(shí)間序列數(shù)據(jù)。
- 作為一個(gè)時(shí)間序列數(shù)據(jù)庫，其采集的數(shù)據(jù)會(huì)以文件的形式存儲(chǔ)在本地中。
- 靈活的查詢語言，PromQL(Prometheus Query Language)函數(shù)式查詢語言。
- 不依賴分布式存儲(chǔ)，單個(gè)服務(wù)器節(jié)點(diǎn)是自治的。
- 以HTTP方式，通過pull模型拉取時(shí)間序列數(shù)據(jù)。
- 也可以通過中間網(wǎng)關(guān)支持push模型。
- 通過服務(wù)發(fā)現(xiàn)或者靜態(tài)配置，來發(fā)現(xiàn)目標(biāo)服務(wù)對(duì)象。
- 支持多種多樣的圖表和界面展示。
Prometheus原理架構(gòu)圖
Prometheus基礎(chǔ)概念
什么是時(shí)間序列數(shù)據(jù)
時(shí)間序列數(shù)據(jù)(TimeSeries Data) : 按照時(shí)間順序記錄系統(tǒng)、設(shè)備狀態(tài)變化的數(shù)據(jù)被稱為時(shí)序數(shù)據(jù)。
應(yīng)用的場(chǎng)景很多，如：
- 無人駕駛運(yùn)行中記錄的經(jīng)度，緯度，速度，方向，旁邊物體距離等。
- 某一個(gè)地區(qū)的各車輛的行駛軌跡數(shù)據(jù)。
- 傳統(tǒng)證券行業(yè)實(shí)時(shí)交易數(shù)據(jù)。
- 實(shí)時(shí)運(yùn)維監(jiān)控?cái)?shù)據(jù)等。
時(shí)間序列數(shù)據(jù)特點(diǎn)：
- 性能好、存儲(chǔ)成本低
什么是targets(目標(biāo))
Prometheus 是一個(gè)監(jiān)控平臺(tái)，它通過抓取監(jiān)控目標(biāo)(targets)上的指標(biāo) HTTP 端點(diǎn)來從這些目標(biāo)收集指標(biāo)。
安裝完P(guān)rometheus Server端之后，第一個(gè)targets就是它本身。
具體可以參考官方文檔
什么是metrics(指標(biāo))
Prometheus存在多種不同的監(jiān)控指標(biāo)(Metrics)，在不同的場(chǎng)景下應(yīng)該要選擇不同的Metrics。
Prometheus的merics類型有四種，分別為Counter、Gauge、Summary、Histogram。
- Counter：只增不減的計(jì)數(shù)器
- Gauge：可增可減的儀表盤
- Histogram：分析數(shù)據(jù)分布情況
- Summary：使用較少
簡(jiǎn)單了解即可，暫不需要深入理解。
通過瀏覽器訪問http://被監(jiān)控端IP:9100(被監(jiān)控端口)/metrics
就可以查到node_exporter在被監(jiān)控端收集的監(jiān)控信息
什么是PromQL(函數(shù)式查詢語言)
Prometheus內(nèi)置了一個(gè)強(qiáng)大的數(shù)據(jù)查詢語言PromQL。 通過PromQL可以實(shí)現(xiàn)對(duì)監(jiān)控?cái)?shù)據(jù)的查詢、聚合。
同時(shí)PromQL也被應(yīng)用于數(shù)據(jù)可視化(如Grafana)以及告警當(dāng)中。
通過PromQL可以輕松回答以下問題：
- 在過去一段時(shí)間中95%應(yīng)用延遲時(shí)間的分布范圍？
- 預(yù)測(cè)在4小時(shí)后，磁盤空間占用大致會(huì)是什么情況？
- CPU占用率前5位的服務(wù)有哪些？(過濾)
具體查詢細(xì)節(jié)可以參考官方。
如何監(jiān)控遠(yuǎn)程Linux主機(jī)
安裝Prometheus組件其實(shí)很簡(jiǎn)單，下載包--解壓--后臺(tái)啟動(dòng)運(yùn)行即可，不做具體演示。
在遠(yuǎn)程linux主機(jī)(被監(jiān)控端)上安裝node_exporter組件，可看下載地址
下載解壓后，里面就一個(gè)啟動(dòng)命令node_exporter，直接啟動(dòng)即可。
nohup /usr/local/node_exporter/node_exporter >/dev/null 2>&1 & lsof -i:9100
nohup：如果直接啟動(dòng)node_exporter的話，終端關(guān)閉進(jìn)程也會(huì)隨之關(guān)閉，這個(gè)命令幫你解決問題。
Prometheus HTTP API
Prometheus 所有穩(wěn)定的 HTTP API 都在 /api/v1 路徑下。當(dāng)我們有數(shù)據(jù)查詢需求時(shí)，可以通過查詢 API 請(qǐng)求監(jiān)控?cái)?shù)據(jù)，提交數(shù)據(jù)可以使用 remote write 協(xié)議或者 Pushgateway 的方式。
支持的 API
認(rèn)證方法
默認(rèn)開啟認(rèn)證，因此所有的接口都需要認(rèn)證，且所有的認(rèn)證方式都支持 Bearer Token和 Basic Auth。
調(diào)用接口的時(shí)候，我們需要攜帶Basic Auth請(qǐng)求頭的認(rèn)證，否則會(huì)出現(xiàn)401。
Bearer Token
Bearer Token 隨著實(shí)例產(chǎn)生而生成，可以通過控制臺(tái)進(jìn)行查詢。了解 Bearer Token 更多信息，請(qǐng)參見 Bearer Authentication。
Basic Auth
Basic Auth 兼容原生 Prometheus Query 的認(rèn)證方式，用戶名為用戶的 APPID，密碼為 bearer token（實(shí)例產(chǎn)生時(shí)生成），可以通過控制臺(tái)進(jìn)行查詢。了解 Basic Auth 更多信息，請(qǐng)參見 Basic Authentication。
數(shù)據(jù)返回格式
所有 API 的響應(yīng)數(shù)據(jù)格式都為 JSON。每一次成功的請(qǐng)求會(huì)返回 2xx 狀態(tài)碼。
無效的請(qǐng)求會(huì)返回一個(gè)包含錯(cuò)誤對(duì)象的 JSON 格式數(shù)據(jù)，同時(shí)也將包含一個(gè)如下表格的狀態(tài)碼：
無效請(qǐng)求響應(yīng)返回模板如下：
{
"status": "success" | "error",
"data": <data>,
// 當(dāng) status 狀態(tài)為 error 時(shí)，下面的數(shù)據(jù)將被返回
"errorType": "<string>",
"error": "<string>",
// 當(dāng)執(zhí)行請(qǐng)求時(shí)有警告信息時(shí)，該字段將被填充返回
"warnings": ["<string>"]
}
數(shù)據(jù)寫入
運(yùn)維過程不需要對(duì)數(shù)據(jù)進(jìn)行寫入，所以暫時(shí)不深入理解。
有興趣的同學(xué)可以看看官方文檔
監(jiān)控?cái)?shù)據(jù)查詢
當(dāng)我們有數(shù)據(jù)查詢需求時(shí)，可以通過查詢 API 請(qǐng)求監(jiān)控?cái)?shù)據(jù)。
查詢 API 接口
GET /api/v1/query POST /api/v1/query
查詢參數(shù)：
query= : Prometheus：查詢表達(dá)式。
time= <rfc3339 | unix_timestamp>： 時(shí)間戳， 可選。
timeout= ：檢測(cè)超時(shí)時(shí)間， 可選。 默認(rèn)由 -query.timeout 參數(shù)指定。
簡(jiǎn)單的查詢
查詢當(dāng)前狀態(tài)為up的監(jiān)控主機(jī)：
curl -u "appid:token" 'http://IP:PORT/api/v1/query?query=up'
范圍查詢
GET /api/v1/query_range POST /api/v1/query_range
根據(jù)時(shí)間范圍查詢需要的數(shù)據(jù)，這也是我們用得最多的場(chǎng)景，
這時(shí)我們需要用到 /api/v1/query_range 接口，示例如下：
$ curl 'http://localhost:9090/api/v1/query_range?query=up&start=2015-07-01T20:10:30.781Z&end=2015-07-01T20:11:00.781Z&step=15s'
{
"status" : "success",
"data" : {
"resultType" : "matrix",
"result" : [
{
"metric" : {
"__name__" : "up",
"job" : "prometheus",
"instance" : "localhost:9090"
},
"values" : [
[ 1435781430.781, "1" ],
[ 1435781445.781, "1" ],
[ 1435781460.781, "1" ]
]
},
{
"metric" : {
"__name__" : "up",
"job" : "node",
"instance" : "localhost:9091"
},
"values" : [
[ 1435781430.781, "0" ],
[ 1435781445.781, "0" ],
[ 1435781460.781, "1" ]
]
}
]
}
}
什么是Grafana
Grafana是一個(gè)開源的度量分析和可視化工具，可以通過將采集的數(shù)據(jù)分析、查詢，
然后進(jìn)行可視化的展示，并能實(shí)現(xiàn)報(bào)警。
網(wǎng)址: https://grafana.com/
使用Grafana連接Prometheus
連接不再做具體演示，操作思路如下：
1.在Grafana服務(wù)器上安裝，下載地址：https://grafana.com/grafana/download
2.瀏覽器http://grafana服務(wù)器IP:3000登錄，默認(rèn)賬號(hào)密碼都是admin，就可以登陸了。
3.把Prometheus服務(wù)器收集的數(shù)據(jù)做為一個(gè)數(shù)據(jù)源添加到Grafana，得到Prometheus數(shù)據(jù)。
4.然后為添加好的數(shù)據(jù)源做圖形顯示，最后在dashboard就可以查看到。
操作流程不難，就不講解重點(diǎn)，后面正式開始上查詢腳本。
工作使用場(chǎng)景
工作中需要通過CPU、內(nèi)存生成資源利用率報(bào)表，可以通過Prometheus的API寫一個(gè)Python腳本。
可通過API獲取數(shù)據(jù)，然后再進(jìn)行數(shù)據(jù)排序、過濾、運(yùn)算、聚合，最后寫入Mysql數(shù)據(jù)庫。
CPU峰值計(jì)算
取最近一周CPU數(shù)值，再排序取最高的值。
def get_cpu_peak(self):
"""
CPU取最近一周所有數(shù)值，再排序取最高的值,TOP1
:return: {'IP' : value}
"""
# 拼接URL
pre_url = self.server_ip + '/api/v1/query_range?query='
expr = '100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) ' \
'&start=%s&end=%s&step=300' % (self.time_list[0], self.time_list[-1] - 1)
url = pre_url + expr
# print(url)
result = {}
# 請(qǐng)求URL后將Json數(shù)據(jù)轉(zhuǎn)為字典對(duì)象
res = json.loads(requests.post(url=url, headers=self.headers).content.decode('utf8', 'ignore'))
# print(data)
# 循環(huán)取出字典里每個(gè)IP的values，排序取最高值，最后存入result字典
for da in res.get('data').get('result'):
values = da.get('values')
cpu_values = [float(v[1]) for v in values] # 取出數(shù)值并存入列表
# 取出IP并消除端口號(hào)
ip = da.get('metric').get('instance')
ip = ip[:ip.index(':')] if ':' in ip else ip
# if ip == '10.124.58.181':
# print (ip)
# cpu_peak = round(sorted(cpu_values, reverse=True)[0], 2)
cpu_peak = sorted(cpu_values, reverse=True)[0]
# 取出IP和最高值之后，寫入字典
result[ip] = cpu_peak
# print(result)
return result
CPU均值計(jì)算
取最近一周CPU每一天的TOP20除以20得到當(dāng)時(shí)忙時(shí)平均值，
再將7天平均值的和除以n，得到時(shí)間范圍內(nèi)忙時(shí)平均值。
def get_cpu_average(self):
"""
CPU忙時(shí)平均值：取最近一周CPU數(shù)據(jù)，每一天的TOP20除以20得到忙時(shí)平均值；
再將一周得到的忙時(shí)平均值相加，再除以7，得到時(shí)間范圍內(nèi)一周的忙時(shí)平均值。
:return:
"""
cpu_average = {}
for t in range(len(self.time_list)):
if t + 1 < len(self.time_list):
start_time = self.time_list[t]
end_time = self.time_list[t + 1]
# print(start_time, end_time)
# 拼接URL
pre_url = server_ip + '/api/v1/query_range?query='
expr = '100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) ' \
'&start=%s&end=%s&step=300' % (start_time, end_time - 1)
url = pre_url + expr
# print(url)
# 請(qǐng)求接口數(shù)據(jù)
data = json.loads(requests.post(url=url, headers=self.headers).content.decode('utf8', 'ignore'))
for da in data.get('data').get('result'): # 循環(huán)拿到result數(shù)據(jù)
values = da.get('values')
cpu_load = [float(v[1]) for v in values] # 循環(huán)拿到values里面的所有值
ip = da.get('metric').get('instance') # 拿到instance里面的ip
ip = ip[:ip.index(':')] if ':' in ip else ip # 去除個(gè)別后面帶的端口號(hào)
# avg_cup_load = sum(sorted(cpu_load, reverse=True)[:20]) / 20
# 取top20% 再除以20%，得出top20%的平均值
# avg_cup_load = round(sum(sorted(cpu_load, reverse=True)[:round(len(cpu_load) * 0.2)]) / round(len(cpu_load) * 0.2), 2)
# 倒序后取前面20%除以個(gè)數(shù)，得到前20%的平均值
avg_cup_load = sum(sorted(cpu_load, reverse=True)[:round(len(cpu_load) * 0.2)]) / round(len(cpu_load) * 0.2)
# print(avg_cup_load)
# 將計(jì)算后的數(shù)據(jù)以ip為key寫入字典
if cpu_average.get(ip):
cpu_average[ip].append(avg_cup_load)
else:
cpu_average[ip] = [avg_cup_load]
# 每日top20的平均值累加，共7天的再除以7
for k, v in cpu_average.items():
# cpu_average[k] = round(sum(v) / 7, 2)
cpu_average[k] = sum(v)
# print(cpu_average)
return cpu_average
內(nèi)存峰值計(jì)算
取7天內(nèi)存數(shù)值，排序后取最高峰值TOP1
def get_mem_peak(self):
"""
內(nèi)存單臺(tái)峰值：取7天內(nèi)存最高峰值TOP1
:return: 7天內(nèi)存使用率最高峰值
"""
pre_url = self.server_ip + '/api/v1/query_range?query='
# expr = '(node_memory_MemTotal_bytes - (node_memory_MemFree_bytes+node_memory_Buffers_bytes+node_memory_Cached_bytes )) / node_memory_MemTotal_bytes * 100&start=%s&end=%s&step=300' % (start_time, end_time)
# 字符太長會(huì)導(dǎo)致報(bào)錯(cuò)，所以這里進(jìn)行拆分字段計(jì)算
expr_MenTotal = 'node_memory_MemTotal_bytes&start=%s&end=%s&step=300' % (self.time_list[0], self.time_list[-1] - 1)
expr_MemFree = 'node_memory_MemFree_bytes&start=%s&end=%s&step=300' % (self.time_list[0], self.time_list[-1] - 1)
expr_Buffers = 'node_memory_Buffers_bytes&start=%s&end=%s&step=300' % (self.time_list[0], self.time_list[-1] - 1)
expr_Cached = 'node_memory_Cached_bytes&start=%s&end=%s&step=300' % (self.time_list[0], self.time_list[-1] - 1)
result = {}
# 循環(huán)分別取出總內(nèi)存、可用內(nèi)存、Buffer塊、緩存塊四個(gè)字段
for ur in expr_MenTotal, expr_MemFree, expr_Buffers, expr_Cached:
url = pre_url + ur
data = json.loads(requests.post(url=url, headers=self.headers).content.decode('utf8', 'ignore'))
ip_dict = {}
# 循環(huán)單個(gè)字段所有值
for da in data.get('data').get('result'):
ip = da.get('metric').get('instance')
ip = ip[:ip.index(':')] if ':' in ip else ip
# if ip != '10.124.53.12':
# continue
if ip_dict.get(ip): # 過濾重復(fù)的ip，重復(fù)ip會(huì)導(dǎo)致計(jì)算多次
# print("重復(fù)ip：%s" % (ip))
continue
values = da.get('values')
# 將列表里的值轉(zhuǎn)為字典方便計(jì)算
values_dict = {}
for v in values:
values_dict[str(v[0])] = v[1]
# 標(biāo)記ip存在
ip_dict[ip] = True
# 建立列表追加字典
if result.get(ip):
result[ip].append(values_dict)
else:
result[ip] = [values_dict]
# print(result)
# 對(duì)取出的四個(gè)值進(jìn)行計(jì)算，得出峰值
for ip, values in result.items():
values_list = []
for k, v in values[0].items():
try:
values_MenTotal = float(v)
values_MemFree = float(values[1].get(k, 0))
values_Buffers = float(values[2].get(k, 0)) if values[2] else 0
values_Cached = float(values[3].get(k, 0)) if values[3] else 0
# 如果是0，不參與計(jì)算
if values_MemFree==0.0 or values_Buffers==0.0 or values_Cached==0.0:
continue
# values_list.append(round((values_MenTotal - (values_MemFree + values_Buffers + values_Cached)) / values_MenTotal * 100, 2))
# 合并后計(jì)算，得出列表
values_list.append((values_MenTotal - (values_MemFree + values_Buffers + values_Cached)) / values_MenTotal * 100)
# 對(duì)得出結(jié)果進(jìn)行排序
result[ip] = sorted(values_list, reverse=True)[0]
except Exception as e:
# print(values[0])
logging.exception(e)
# print(result)
return result
內(nèi)存均值計(jì)算
先取出7天的日期，根據(jù)多條鏈接循環(huán)取出每天數(shù)據(jù)，排序value取top20除以20，最終7天數(shù)據(jù)再除以7
def get_mem_average(self):
"""
內(nèi)存忙時(shí)平均值：先取出7天的日期，根據(jù)多條鏈接循環(huán)取出每天數(shù)據(jù)，排序value取top20除以20，最終7天數(shù)據(jù)再除以7
:return:
"""
avg_mem_util = {}
for t in range(len(self.time_list)):
if t + 1 < len(self.time_list):
start_time = self.time_list[t]
end_time = self.time_list[t + 1]
# 根據(jù)多條鏈接循環(huán)取出每天數(shù)據(jù)
pre_url = self.server_ip + '/api/v1/query_range?query='
# expr = '(node_memory_MemTotal_bytes - (node_memory_MemFree_bytes+node_memory_Buffers_bytes+node_memory_Cached_bytes )) / node_memory_MemTotal_bytes * 100&start=%s&end=%s&step=300' % (start_time, end_time)
expr_MenTotal = 'node_memory_MemTotal_bytes&start=%s&end=%s&step=600' % (start_time, end_time - 1)
expr_MemFree = 'node_memory_MemFree_bytes&start=%s&end=%s&step=600' % (start_time, end_time - 1)
expr_Buffers = 'node_memory_Buffers_bytes&start=%s&end=%s&step=600' % (start_time, end_time - 1)
expr_Cached = 'node_memory_Cached_bytes&start=%s&end=%s&step=600' % (start_time, end_time - 1)
result = {}
# 循環(huán)取出四個(gè)字段
for ur in expr_MenTotal, expr_MemFree, expr_Buffers, expr_Cached:
url = pre_url + ur
data = json.loads(requests.post(url=url, headers=self.headers).content.decode('utf8', 'ignore'))
ip_dict = {}
# 循環(huán)單個(gè)字段所有值
for da in data.get('data').get('result'):
ip = da.get('metric').get('instance')
ip = ip[:ip.index(':')] if ':' in ip else ip
if ip_dict.get(ip):
# print("重復(fù)ip：%s" % (ip))
continue
values = da.get('values')
# 將列表里的值轉(zhuǎn)為字典方便計(jì)算
values_dict = {}
for v in values:
values_dict[str(v[0])] = v[1]
# 標(biāo)記ip存在
ip_dict[ip] = True
# 建立列表追加字典
if result.get(ip):
result[ip].append(values_dict)
else:
result[ip] = [values_dict]
# print(result)
for ip, values in result.items():
values_list = []
for k, v in values[0].items():
try:
values_MenTotal = float(v)
values_MemFree = float(values[1].get(k, 0)) if values[1] else 0
values_Buffers = float(values[2].get(k, 0)) if values[2] else 0
values_Cached = float(values[3].get(k, 0)) if values[3] else 0
if values_MemFree == 0.0 or values_Buffers == 0.0 or values_Cached == 0.0:
continue
value_calc = (values_MenTotal - (values_MemFree + values_Buffers + values_Cached)) / values_MenTotal * 100
if value_calc != float(0):
values_list.append(value_calc)
except Exception as e:
print(values[0])
# logging.exception(e)
continue
# 排序value取top20除以20
# avg_mem = round(sum(sorted(values_list, reverse=True)[:round(len(values_list) * 0.2)]) / round(len(values_list) * 0.2), 2)
try:
avg_mem = sum(sorted(values_list, reverse=True)[:round(len(values_list) * 0.2)]) / round(len(values_list) * 0.2)
except Exception as e:
avg_mem = 0
logging.exception(e)
if avg_mem_util.get(ip):
avg_mem_util[ip].append(avg_mem)
else:
avg_mem_util[ip] = [avg_mem]
# 最終7天數(shù)據(jù)再除以7
for k, v in avg_mem_util.items():
# avg_mem_util[k] = round(sum(v) / 7, 2)
avg_mem_util[k] = sum(v)
return avg_mem_util
導(dǎo)出excel
將采集到的數(shù)據(jù)導(dǎo)出excel
def export_excel(self, export):
"""
將采集到的數(shù)據(jù)導(dǎo)出excel
:param export: 數(shù)據(jù)集合
:return:
"""
try:
# 將字典列表轉(zhuǎn)換為DataFrame
pf = pd.DataFrame(list(export))
# 指定字段順序
order = ['ip', 'cpu_peak', 'cpu_average', 'mem_peak', 'mem_average', 'collector']
pf = pf[order]
# 將列名替換為中文
columns_map = {
'ip': 'ip',
'cpu_peak': 'CPU峰值利用率',
'cpu_average': 'CPU忙時(shí)平均峰值利用率',
'mem_peak': '內(nèi)存峰值利用率',
'mem_average': '內(nèi)存忙時(shí)平均峰值利用率',
'collector': '來源地址'
}
pf.rename(columns=columns_map, inplace=True)
# 指定生成的Excel表格名稱
writer_name = self.Host + '.xlsx'
writer_name.replace(':18600', '')
# print(writer_name)
file_path = pd.ExcelWriter(writer_name.replace(':18600', ''))
# 替換空單元格
pf.fillna(' ', inplace=True)
# 輸出
pf.to_excel(file_path, encoding='utf-8', index=False)
# 保存表格
file_path.save()
except Exception as e:
print(e)
logging.exception(e)
因?yàn)闄C(jī)房需要保留數(shù)據(jù)方便展示，后面改造成采集直接入庫mysql。
參考鏈接：
以上就是Python調(diào)用Prometheus監(jiān)控?cái)?shù)據(jù)并計(jì)算 的詳細(xì)內(nèi)容，更多關(guān)于Python Prometheus監(jiān)控?cái)?shù)據(jù)并計(jì)算 的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Python實(shí)現(xiàn)刪除列表中滿足一定條件的元素示例
這篇文章主要介紹了Python實(shí)現(xiàn)刪除列表中滿足一定條件的元素,結(jié)合具體實(shí)例形式對(duì)比分析了Python針對(duì)列表元素的遍歷、復(fù)制、刪除等相關(guān)操作技巧,需要的朋友可以參考下2017-06-06
詳解Python編程中基本的數(shù)學(xué)計(jì)算使用
這篇文章主要介紹了Python編程中基本的數(shù)學(xué)計(jì)算使用,其中重點(diǎn)講了除法運(yùn)算及相關(guān)division模塊的使用,需要的朋友可以參考下2016-02-02
這篇文章主要介紹了使用Numpy打亂數(shù)組或打亂矩陣行問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-05-05
11個(gè)Python Pandas小技巧讓你的工作更高效(附代碼實(shí)例)
這篇文章主要介紹了11個(gè)Python Pandas小技巧讓你的工作更高效(附代碼實(shí)例)，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2019-04-04
Python中selenium_webdriver下拉框操作指南
selenium 雖然過了這么多年,但是到目前為止依然是比較流行的自動(dòng)化框架了,下面這篇文章主要給大家介紹了關(guān)于Python中selenium_webdriver下拉框操作的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-01-01
使用Python實(shí)現(xiàn)給企業(yè)微信發(fā)送消息功能
本文將介紹如何使用python3給企業(yè)微信發(fā)送消息，文中有詳細(xì)的圖文解說及代碼示例,對(duì)正在學(xué)習(xí)python的小伙伴很有幫助,需要的朋友可以參考下2021-12-12
協(xié)程（co-routine，又稱微線程、纖程）是一種多方協(xié)同的工作方式。協(xié)程不是進(jìn)程或線程，其執(zhí)行過程類似于Python函數(shù)調(diào)用，Python的asyncio模塊實(shí)現(xiàn)的異步IO編程框架中，協(xié)程是對(duì)使用async關(guān)鍵字定義的異步函數(shù)的調(diào)用2023-02-02
python中__init__方法知識(shí)點(diǎn)詳解
Python中常會(huì)看到在很多類中都有一個(gè)__init__函數(shù),該函數(shù)有什么作用,又該如何使用呢,下面這篇文章主要給大家介紹了關(guān)于python中__init__知識(shí)點(diǎn)的相關(guān)資料,需要的朋友可以參考下2023-04-04
今天小編就為大家分享一篇關(guān)于Python中正則表達(dá)式的用法總結(jié)，小編覺得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來看看吧2019-02-02
Python2和3字符編碼的區(qū)別知識(shí)點(diǎn)整理
在本篇文章中小編給各位分享的是關(guān)于Python2和3字符編碼的區(qū)別知識(shí)點(diǎn)，有需要的朋友們可以學(xué)習(xí)下。2019-08-08