【备份】匹配筛选mac程序

最新推荐文章于 2020-05-15 19:26:16 发布
最新推荐文章于 2020-05-15 19:26:16 发布
阅读量244 收藏
点赞数
分类专栏： pyhon pandas
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42199636/article/details/88814560
版权

在云端留个备份，纯粹自己编的，初学状态，编的很繁琐。

 

import datetime,time
from dateutil import parser
import pandas as pd
import numpy as np

###############Step1:筛选指定的检测器
#li_mac按顺序存放指定的检测器
print('Step1')
#####################################！！！！！！！！！！！！！！！！！！！！！！此处修改指定的检测器名
li_mac=['80_Rocklin','80_Roseville_Pkwy','80_Lead_Hill','80_Darling_Way','80_Westwood_Park','80_Foothill_Farms','80_Madison_EB','80_Split','80_Pinell']
#打开原始数据
la = pd.read_csv("Iteris_bt_02-19-2018.txt",names=['a','b','time','detection','mac'],header=None)
la=la.drop(['a','b'],axis=1)
print(la.head(5))
#将指定检测器的数据放在shaixuanman文件中。
############################！！！！！！！！！！！！！！！！！！！！此处依据li_mac修改
lb = la.loc[(la["detection"]==li_mac[0]) |(la["detection"]==li_mac[1]) | (la["detection"]==li_mac[2]) | (la["detection"]==li_mac[3])| (la["detection"]==li_mac[4])| (la["detection"]==li_mac[5])| (la["detection"]==li_mac[6])| (la["detection"]==li_mac[7])| (la["detection"]==li_mac[8])]
lb.to_excel("shaixuanmac.xlsx",header=True,index=False)

counts = lb['mac'].value_counts()
counts.to_excel("jishu.xlsx")

#清空内存
del la
del lb

###############END
######Step2
print('Step2')
doc = open('new-result.txt','w')
lc = pd.read_excel("shaixuanmac.xlsx",names=['hour','detection','mac'],header=None)
#print(lc.head(5))
l_count = pd.read_excel("jishu.xlsx",names=['mac','counts'],header=None)
l_counts=l_count.drop([0]) #删去jishu的第一行
del l_count #清空内存
#print(l_counts.head(5))
l_counts = l_counts[l_counts['counts'] > 1]  #此处修改

for i in l_counts.index:
	l_counts_mac=l_counts.loc[i,'mac']
	for j in lc.index:
		lc_mac=lc.loc[j,'mac']
		if lc_mac==l_counts_mac:
			mac_result=str(lc.loc[j,'hour'])+' '+lc.loc[j,'detection']+' '+lc.loc[j,'mac']
			print(mac_result,file=doc)
		
doc.close()
del l_counts_mac
del mac_result
del lc_mac
del lc
##########################END
###########Step3
print('Step3')
##################!!!!!!!!!!!!!!!!!!!!！！！！！！！！！！！！！！！此处修改指定的检测器名
File1 = open('NEW-NETHOD-last-result01.txt','w')
File2 = open('NEW-NETHOD-last-result12.txt','w')
File3 = open('NEW-NETHOD-last-result23.txt','w')
File4 = open('NEW-NETHOD-last-result34.txt','w')
File5 = open('NEW-NETHOD-last-result45.txt','w')
File6 = open('NEW-NETHOD-last-result56.txt','w')
File7 = open('NEW-NETHOD-last-result67.txt','w')
File8 = open('NEW-NETHOD-last-result78.txt','w')

mac_classify = pd.read_table('new-result.txt',names=['hour','ap','detection','mac'],header = None,delim_whitespace=True)
print('mac_classify=',mac_classify.head())

for ione in l_counts.index:  #l_counts.index
	i_mac=str(l_counts.loc[ione,'mac'])
	column_mac=mac_classify[mac_classify.mac.isin([i_mac])]
	#print(column_mac.head())
	column_mac=column_mac.reset_index()
	#print(column_mac.head())
	column_mac_detection=column_mac['detection'] 
	A=list(column_mac_detection)
	#################!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!以下依据检测器设置修改
	if li_mac[0] in A and li_mac[1] in A : #^!^此处可修改
		ll = len(column_mac.index)
		for itwo in range(0,ll-1):
			if column_mac.loc[itwo,'detection'] == li_mac[0] and column_mac.loc[itwo+1,'detection'] == li_mac[1]:
				t11=parser.parse(str(column_mac.loc[itwo,'hour']))
				t12=parser.parse(str(column_mac.loc[itwo+1,'hour']))
				
				dt1 = (t12-t11).seconds #80_Richards与80_Chiles之间<1500秒
				
				if dt1 < 2400 :
					result1 = str(column_mac.loc[itwo,'hour']) +' '+str(column_mac.loc[itwo,'ap'])+' '+str(column_mac.loc[itwo,'detection']) +' '+str(column_mac.loc[itwo,'mac']) +"\n" + str(column_mac.loc[itwo+1,'hour']) +' '+str(column_mac.loc[itwo+1,'ap'])+' '+str(column_mac.loc[itwo+1,'detection']) +' '+str(column_mac.loc[itwo+1,'mac'])
					File1.write(result1+'\n')
					File1.flush()#######
	
	if li_mac[1] in A and li_mac[2] in A : #^!^此处可修改
		ll = len(column_mac.index)
		for itwo in range(0,ll-1):
			if column_mac.loc[itwo,'detection'] == li_mac[1] and column_mac.loc[itwo+1,'detection'] == li_mac[2]:
				t21=parser.parse(str(column_mac.loc[itwo,'hour']))
				t22=parser.parse(str(column_mac.loc[itwo+1,'hour']))
				
				
				dt2 = (t22-t21).seconds #80_Richards与80_Chiles之间<1500秒
			
				
				if dt2 < 2400 :
					result2 = str(column_mac.loc[itwo,'hour']) +' '+str(column_mac.loc[itwo,'ap'])+' '+str(column_mac.loc[itwo,'detection']) +' '+str(column_mac.loc[itwo,'mac']) +"\n" + str(column_mac.loc[itwo+1,'hour']) +' '+str(column_mac.loc[itwo+1,'ap'])+' '+str(column_mac.loc[itwo+1,'detection']) +' '+str(column_mac.loc[itwo+1,'mac'])
					File2.write(result2+'\n')
					File2.flush()#######
					
	if li_mac[2] in A and li_mac[3] in A : #^!^此处可修改
		ll = len(column_mac.index)
		for itwo in range(0,ll-1):
			if column_mac.loc[itwo,'detection'] == li_mac[2] and column_mac.loc[itwo+1,'detection'] == li_mac[3]:
				t31=parser.parse(str(column_mac.loc[itwo,'hour']))
				t32=parser.parse(str(column_mac.loc[itwo+1,'hour']))
				
				dt3 = (t32-t31).seconds #80_Richards与80_Chiles之间<1500秒
				if dt3 < 2400 :
					result3 = str(column_mac.loc[itwo,'hour']) +' '+str(column_mac.loc[itwo,'ap'])+' '+str(column_mac.loc[itwo,'detection']) +' '+str(column_mac.loc[itwo,'mac']) +"\n" + str(column_mac.loc[itwo+1,'hour']) +' '+str(column_mac.loc[itwo+1,'ap'])+' '+str(column_mac.loc[itwo+1,'detection']) +' '+str(column_mac.loc[itwo+1,'mac'])
					File3.write(result3+'\n')
					File3.flush()#######
					
	if li_mac[3] in A and li_mac[4] in A : #^!^此处可修改
		ll = len(column_mac.index)
		for itwo in range(0,ll-1):
			if column_mac.loc[itwo,'detection'] == li_mac[3] and column_mac.loc[itwo+1,'detection'] == li_mac[4] :
				t41=parser.parse(str(column_mac.loc[itwo,'hour']))
				t42=parser.parse(str(column_mac.loc[itwo+1,'hour']))
				
				dt4 = (t42-t41).seconds #80_Richards与80_Chiles之间<1500秒
				if dt4 < 2400 :
					result4 = str(column_mac.loc[itwo,'hour']) +' '+str(column_mac.loc[itwo,'ap'])+' '+str(column_mac.loc[itwo,'detection']) +' '+str(column_mac.loc[itwo,'mac']) +"\n" + str(column_mac.loc[itwo+1,'hour']) +' '+str(column_mac.loc[itwo+1,'ap'])+' '+str(column_mac.loc[itwo+1,'detection']) +' '+str(column_mac.loc[itwo+1,'mac'])
					File4.write(result4+'\n')
					File4.flush()#######
	if li_mac[4] in A and li_mac[5] in A : #^!^此处可修改
		ll = len(column_mac.index)
		for itwo in range(0,ll-1):
			if column_mac.loc[itwo,'detection'] == li_mac[4] and column_mac.loc[itwo+1,'detection'] == li_mac[5] :
				t51=parser.parse(str(column_mac.loc[itwo,'hour']))
				t52=parser.parse(str(column_mac.loc[itwo+1,'hour']))
				
				dt5 = (t52-t51).seconds #80_Richards与80_Chiles之间<1500秒
				if dt5 < 2400 :
					result5 = str(column_mac.loc[itwo,'hour']) +' '+str(column_mac.loc[itwo,'ap'])+' '+str(column_mac.loc[itwo,'detection']) +' '+str(column_mac.loc[itwo,'mac']) +"\n" + str(column_mac.loc[itwo+1,'hour']) +' '+str(column_mac.loc[itwo+1,'ap'])+' '+str(column_mac.loc[itwo+1,'detection']) +' '+str(column_mac.loc[itwo+1,'mac'])
					File5.write(result5+'\n')
					File5.flush()#######			
	
					
	if li_mac[5] in A and li_mac[6] in A : #^!^此处可修改
		ll = len(column_mac.index)
		for itwo in range(0,ll-1):
			if column_mac.loc[itwo,'detection'] == li_mac[5] and column_mac.loc[itwo+1,'detection'] == li_mac[6] :
				t61=parser.parse(str(column_mac.loc[itwo,'hour']))
				t62=parser.parse(str(column_mac.loc[itwo+1,'hour']))
				
				dt6 = (t62-t61).seconds #80_Richards与80_Chiles之间<1500秒
				if dt6 < 2400 :
					result6 = str(column_mac.loc[itwo,'hour']) +' '+str(column_mac.loc[itwo,'ap'])+' '+str(column_mac.loc[itwo,'detection']) +' '+str(column_mac.loc[itwo,'mac']) +"\n" + str(column_mac.loc[itwo+1,'hour']) +' '+str(column_mac.loc[itwo+1,'ap'])+' '+str(column_mac.loc[itwo+1,'detection']) +' '+str(column_mac.loc[itwo+1,'mac'])
					File6.write(result6+'\n')
					File6.flush()#######					
					
	if li_mac[6] in A and li_mac[7] in A : #^!^此处可修改
		ll = len(column_mac.index)
		for itwo in range(0,ll-1):
			if column_mac.loc[itwo,'detection'] == li_mac[6] and column_mac.loc[itwo+1,'detection'] == li_mac[7] :
				t71=parser.parse(str(column_mac.loc[itwo,'hour']))
				t72=parser.parse(str(column_mac.loc[itwo+1,'hour']))
				
				dt7 = (t72-t71).seconds #80_Richards与80_Chiles之间<1500秒
				if dt7 < 2400 :
					result7 = str(column_mac.loc[itwo,'hour']) +' '+str(column_mac.loc[itwo,'ap'])+' '+str(column_mac.loc[itwo,'detection']) +' '+str(column_mac.loc[itwo,'mac']) +"\n" + str(column_mac.loc[itwo+1,'hour']) +' '+str(column_mac.loc[itwo+1,'ap'])+' '+str(column_mac.loc[itwo+1,'detection']) +' '+str(column_mac.loc[itwo+1,'mac'])
					File7.write(result7+'\n')
					File7.flush()#######					
	

	if li_mac[7] in A and li_mac[8] in A : #^!^此处可修改
		ll = len(column_mac.index)
		for itwo in range(0,ll-1):
			if column_mac.loc[itwo,'detection'] == li_mac[7] and column_mac.loc[itwo+1,'detection'] == li_mac[8] :
				t81=parser.parse(str(column_mac.loc[itwo,'hour']))
				t82=parser.parse(str(column_mac.loc[itwo+1,'hour']))
				
				dt8 = (t82-t81).seconds #80_Richards与80_Chiles之间<1500秒
				if dt8 < 2400 :
					result8 = str(column_mac.loc[itwo,'hour']) +' '+str(column_mac.loc[itwo,'ap'])+' '+str(column_mac.loc[itwo,'detection']) +' '+str(column_mac.loc[itwo,'mac']) +"\n" + str(column_mac.loc[itwo+1,'hour']) +' '+str(column_mac.loc[itwo+1,'ap'])+' '+str(column_mac.loc[itwo+1,'detection']) +' '+str(column_mac.loc[itwo+1,'mac'])
					File8.write(result8+'\n')
					File8.flush()#######	
###########################
#####################################END
del mac_classify
del i_mac
del column_mac_detection
del A
del column_mac
del result1
del result2
del result3
del result4
del result5
del result6
del result7
del result8
##########################################################################################3
###############################第四步
print('Step4')
B=['01','12','23','34','45','56','67','78']
for iB in range(len(B)):

	oldplot_mac = pd.read_table('NEW-NETHOD-last-result'+B[iB]+'.txt',names=['hour','ap','detection','mac'],header = None,delim_whitespace=True)
#print(oldplot_mac.head())

####将12小时制转换为24小时制
	for itime in oldplot_mac.index:
		if oldplot_mac.loc[itime,'ap']== 'AM':
			if oldplot_mac.loc[itime,'hour'] > "11:59:59":
				old_time=datetime.datetime.strptime(oldplot_mac.loc[itime,'hour'],"%H:%M:%S")
			#new_time=(old_time +datetime.timedelta(hours=36)).strftime("%H:%M:%S")
				oldplot_mac.loc[itime,'hour'] = (old_time +datetime.timedelta(hours=36)).strftime("%H:%M:%S")
		elif oldplot_mac.loc[itime,'ap']== 'PM':
			if oldplot_mac.loc[itime,'hour'] < "12:00:00":
				old_time=datetime.datetime.strptime(oldplot_mac.loc[itime,'hour'],"%H:%M:%S")
			#new_time=(old_time +datetime.timedelta(hours=12)).strftime("%H:%M:%S")
				oldplot_mac.loc[itime,'hour'] = (old_time +datetime.timedelta(hours=36)).strftime("%H:%M:%S")


######
#对时间做升序排列
	oldplot_mac=oldplot_mac.sort_values(["hour"])

#####

#print(oldplot_mac.head())
#将同一个mac都归到一起


	docone = open('Step4mac_plot'+B[iB]+'.txt','w')
#######待删除


#########
	for ione in l_counts.index:
		l_counts_mac=l_counts.loc[ione,'mac']
		for j in oldplot_mac.index:
			lc_mac=oldplot_mac.loc[j,'mac']
			if lc_mac==l_counts_mac:
				mac_result=str(oldplot_mac.loc[j,'hour'])+' '+oldplot_mac.loc[j,'ap']+' '+oldplot_mac.loc[j,'detection']+' '+oldplot_mac.loc[j,'mac']
				print(mac_result,file=docone)
#######
	docone.close()
###################
	del oldplot_mac
	del l_counts_mac
	del mac_result




	doctwo = open('LAST_RESULT-'+B[iB]+'.txt','w')

	plot_mac = pd.read_table('Step4mac_plot'+B[iB]+'.txt',names=['hour','ap','detection','mac'],header = None,delim_whitespace=True)
	print('第二步')


	len_excel=len(plot_mac.index)
	for i in range(0,len_excel,2): 
		result = str(plot_mac.loc[i,'mac'])+' ' +str(plot_mac.loc[i,'detection']) +' '+str(plot_mac.loc[i+1,'detection'])+' '+str(plot_mac.loc[i,'hour'])+' '+str(plot_mac.loc[i+1,'hour'])    
		print(result,file=doctwo)

	doctwo.close()


print('结束')

 

我的小号1111
关注
专栏目录
使用allure生成测试报告
xmy0501的博客
12-03 487
allure安装： 官网地址：https://docs.qameta.io/allure/ Linux系统安装： sudo apt-add-repository ppa:qameta/allure sudo apt-get update sudo apt-get install allure Mac OS安装： brew install allure brew安装： /bin/bash -c “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/i
python re正则提取ip地址_python 正则表达式匹配IP地址
weixin_28947253的博客
12-30 3672
一、实验环境1.Windows7x64_SP12.anaconda2.5.0 +python2.7(anaconda集成，不需单独安装)3.pyinstaller3.0二、实验目的从text文本中获取字符串，筛选合法IP地址2.1文本内容如下请输入合法IP地址，非法IP地址和其他字符将被过滤！增、删、改IP地址后，请保存、关闭记事本！192.168.8.84192.168.8.85192.16...
python 正则验证 IP地址与MAC地址
linjinniang的专栏
02-26 8637
#coding=utf-8 import re def isValidIp(ip): if re.match(r"^\s*\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\s*$", ip): return True return False def isValidMac(mac): if re.match(r"^\s*([0-9a-fA-
【转】Python中匹配Mac的正则表达式
Hongxin007028的博客
09-26 2922
原文链接：http://outofmemory.cn/code-snippet/34624/python-re-test-mac-address 在工作的过程中，需要用到python正则匹配来判断mac地址格式的正确性，经过查找，发现下面的方法可行： def mac(addr): ''' Validates a mac address ''' valid = ...
MAC地址正则匹配及详细思路
momDIY的博客
03-24 2万+
关于MAC地址 MAC地址，也就是网卡MAC码。网卡MAC码是由IEEE的注册管理机构固定分配的,因此每一个主机会有一个MAC地址，具有全球唯一性。 需求分析 因为业务需求需要用验证MAC地址是否合法，因而想到用正则进行匹配。 看过了大神chenyufeng1991的相关博客，有了一些大体思路。 原正则表达式为： ([A-Fa-f0-9]{2}-){5}[A-Fa-f0-9]{2...
python正则IP和mac
千寻的博客
09-11 1383
python源码 import re #导入re正则表示式 with open(r"C:\Users\changpin\Desktop\ipmac.txt","r") as f: #读取文件内容， data = f.readlines() #按行读取 print("原文件中的IP和mac") for i in data: print(i,end ="") ...
模拟文件类型的筛选器
10-14
4. **图形界面应用**：对于非开发者用户，许多文件管理器（如Windows Explorer、Mac的Finder）也提供了搜索功能，可以设置搜索条件来筛选特定类型的文件。 在实际应用中，文件类型的筛选器不仅可以用于查找和管理...
iyy mac应用软件
05-19
标题 "iyy mac应用软件" 暗示我们讨论的是一个专为苹果Mac操作系统设计的应用程序，用于在Mac上下载和享受音乐。这个应用可能是为了提供高质量的MP3音乐流媒体服务或者下载功能，使用户能够在他们的Mac电脑上欣赏...
从PC到Mac —— 写给Mac新新手的入门教程
Leven
10-03 3767
前几天看到有想要入坑购置Mac的小伙伴在找针对新手的介绍文章，就想到了很多年前看到的一篇介绍很详细又容易理解的博文。因为原博客早就挂了，而且最近几年MacOS有太多更新，我就想到把这篇文章重新修改完善一下。没想到这个工作量是巨大的，我几乎把一半以上的内容重新写了一遍，又全部配上来新版系统的插图，希望能对即将入坑和新入坑的小伙伴们有些帮助。 Mac, Macintosh的简称，是App...
5.15 mysql 数据库（数据库/表操作/索引/pymysql/备份与恢复/事务/锁） 学习笔记
G_xiaotiaowa
05-15 1395
文章目录1 初始数据库1）数据库2）mysql3）和用户权限相关的4）基本操作2 表操作1）存储引擎2)表和数据的一些基本操作3）mysql中的数据类型4）表的完整性约束5）修改表结构6）多表结构的创建和分析3 数据操作1）插入数据2）修改数据3）删除数据4）查询数据4 mysql 索引1）索引原理2）索引的数据结构——树5 pymysql1）python操作mysql数据库2）sql注入6 mysql的库/表备份与恢复1）备份2）恢复7 事务/锁 1 初始数据库 1）数据库 数据库（DataBase，简
pandas如何提取指定行列的值
热门推荐
weixin_42199636的博客
01-28 7万+
首先读一下excel文件，看一下数据长什么样子 import pandas as pd import numpy as np citydata = pd.read_excel('C:/Users/xujinhua/Desktop/test/city.xlsx',header=None) #如果上面不写header=none，则数据第一行会被误认为是列名 print(citydata) 结果...
pandas中如何将DataFrame数据转为list
weixin_42199636的博客
12-22 3万+
  参考链接 https://blog.csdn.net/xiangxianghehe/article/details/72615711
datetime.time格式的时间相加减运算。
weixin_42199636的博客
11-21 1万+
pandas中时间序列计算。 datetime.datetime()  格式的可以相加减；但是datetime.time()  格式的不能相加减。 在网上找寻之后，有人说可以换成timestamp()格式可以进行加减计算，但是我不会转换。只能将datetime.time()格式转化为datatime.datetime()格式了。 这里会使用第三方库  dateutil。 import p...
pandas读取，写入txt文件，统计某列元素的重复次数
weixin_42199636的博客
09-13 1万+
1.用pandas读取txt数据文件，每行数据之间是用空格分开的。 原数据如下： 代码如下： from pandas import DataFrame import pandas as pd da = pd.read_table('a.txt',header = None,delim_whitespace=True) print(da)   结果如下：     注意： ...
python3删除数据重复值，只保留第一项。drop_duplicates（）函数使用介绍
weixin_42199636的博客
10-06 1万+
 原始数据如下： f 列的前3个数据都有重复项，现在要将重复值删去，只保留第一项或最后一项。 使用drop_duplicates（） drop_duplicates(self, subset=None, keep='first', inplace=False) subset :如['a']代表a列中的重复值全部被删除 keep:保留第一个值，参数为first,last inplac...
python平滑拟合数据lowess和Savitzky-Golay完整代码
weixin_42199636的博客
04-11 7477
完整代码如下： import numpy as np import pandas as pd from pandas import Series, DataFrame import matplotlib.pyplot as plt #读取文件数据 df = pd.read_csv('averageSpeed23.csv',names=['t','g']) Y0 = df['t'] X0 =...
matplotlib画图小总结-----坐标轴格式，坐标轴范围设置，一次性出多张图
weixin_42199636的博客
06-06 6140
用matplotlib画图，一次性画出多张图片。 import numpy as np import pandas as pd from pandas import Series, DataFrame import matplotlib.pyplot as plt #读取文件数据 df = pd.read_csv('30SaverageSpeed12.csv',names=['t',...
python读取包含中文的文件数据，出现读取不完整的情况（如何将文件的编码统一）
weixin_42199636的博客
09-09 5971
在做项目时遇到一个问题：python读取文件数据时，总是读不完整，只能读出前几行。后来发现，原始文件中有些字符是乱码的，当程序读到这里时，就会停止。 那如何解决呢？如何将编码统一化，除去不能识别的乱码的字符。 解决这一问题的代码如下： ###将原始文件的编码统一成utf-8 f1=open(r'yuanshi.txt','rb') #打开原始文件 f2 = open('zhuanhuan...
获取当前时间并写入文件中
weixin_42199636的博客
01-28 3930
获取当前时间 import time nowtime=str(time.ctime()) print(nowtime) nowtime.to_csv('cityresult.csv')
KUKA机器人程序备份指南
"KUKA机器人程序备份方法详解" 在KUKA机器人系统中，进行程序备份是一项重要的工作，以防止因系统故障或意外情况导致的程序丢失。本指导书详细介绍了如何在Windows XP系统下对KUKA机器人的程序进行备份，并特别强调...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值