小编Mon*_*hon的帖子

在包含每一个员工,登录时间和注销时间为每个员工的工号的表,我需要从注销时间为每天提取登录时间和最大最小.问题是员工每天都可以多次登录和注销.所以,我们有样本数据看起来像这样,

 NAME     EMPID         LOGIN TIME         LOGOUT TIME 
user1       37      16-JAN-12 03.07.37  16-JAN-12 03.07.44
user5       21      16-JAN-12 02.00.36  16-JAN-12 04.45.34
user3       12      16-JAN-12 05.35.35  16-JAN-12 06.39.57
user3       40      16-JAN-12 02.54.13  16-JAN-12 07.12.16
user4       33      16-JAN-12 07.29.43  16-JAN-12 07.59.42
user1       40      16-JAN-12 07.12.39  16-JAN-12 07.59.50
user3       30      16-JAN-12 11.30.50  16-JAN-12 08.02.42
user990     31      17-JAN-12 11.46.12  17-JAN-12 01.46.13
user29      23      17-JAN-12 10.39.18  17-JAN-12 05.00.02
user20      21      17-JAN-12 04.59.37  17-JAN-12 05.00.17
user990     40      17-JAN-12 10.55.48  17-JAN-12 05.00.50
user4       23      17-JAN-12 05.00.11  17-JAN-12 05.01.08
user4 …

分析日志是一个主要问题。如果你有一个遗留代码和成百上千的查询在运行，你肯定会对改进什么、改进哪里以及改进多少感到困惑，因为在你将投入多少努力之间总是需要权衡在某个优化问题上。

那么，第一步是分析我们哪里出错了。这只能通过正确分析日志来实现。没有它，您可能不知道您的应用程序到底出了什么问题。

那么你如何分析 MySQL 日志呢？

故事

熊猫，numpy，seaborn，matplotlib已正确安装在系统上。我从http://seaborn.pydata.org/examples/many_pairwise_correlations.html中获取了此代码示例

片段

from string import letters
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

sns.set(style="white")

# Generate a large random dataset
rs = np.random.RandomState(33)
d = pd.DataFrame(data=rs.normal(size=(100, 26)),
                 columns=list(letters[:26]))

# Compute the correlation matrix
corr = d.corr()

# Generate a mask for the upper triangle
mask = np.zeros_like(corr, dtype=np.bool)
mask[np.triu_indices_from(mask)] = True

# Set up the matplotlib figure
f, ax = plt.subplots(figsize=(11, 9))

# Generate a custom diverging colormap …

我有一个列包含varchar2中的日期,格式不同,例如19.02.2013,29-03-2013,10/12/2013,依此类推.但最烦人的是20130713(2013年7月13日),我想将其转换为dd-mm-yyyy或dd-mon-yyyy.

我有一个varchar栏,我想转换yyyy-mm-dd hh:mi:ss成mm-dd-yyyy hh:mi:ss扔在一个日期.怎么做到呢？