python构造数据1_column.py

#coding=utf-8
import random
import time
import datetime

TIMESTART = ‘2016-06-04 10:00:01‘

#increase time, string to time, then add seconds you want, at last, time to string
def increaseTime(base_time):
date_time = datetime.datetime.strptime(base_time,‘%Y-%m-%d %H:%M:%S‘) #string to datetime
time_time = time.mktime(date_time.timetuple()) #datetime to timestamp datetime.datetime(2016, 6, 4, 10, 0, 1)
time_time = time_time + 1 #1465005606.0
new_time = time.strftime(‘%Y-%m-%d %H:%M:%S‘,time.localtime(time_time)) #‘2016-06-04 10:00:06‘
return new_time

def createTimeSet():
time = TIMESTART;
f=open(‘column.txt‘,‘w‘)
for i in range(1,101):
f.write(str(time) + ‘\n‘)
if i%3 == 0:
print i
time=increaseTime(time)
f.close()

macstart = 1;

def increaseMac(macparam):
return (macparam + 1)

def createMacSet():
mac = macstart
f=open(‘mac.txt‘,‘w‘)
for i in range(1,101):
macstr = ‘%012X‘ % mac
macstr = macstr[0]+macstr[1]+‘:‘+ macstr[2]+macstr[3]+‘:‘+macstr[4]+macstr[5]+‘:‘+macstr[6]+macstr[7]+‘:‘+macstr[8]+macstr[9]+‘:‘+macstr[10]+macstr[11]
f.write(macstr + ‘\n‘)
mac=mac+1
if i%3 == 0:
mac=macstart
f.close()

arrX=[]
arrY=[]

def initArrX(length):
for i in range(length):
X = random.randint(0, 1000)
arrX.append(X)
print arrX

def initArrY(length):
for i in range(length):
Y = random.randint(0, 640)
arrY.append(Y)
print arrY

def createXYSet():
initArrX(3)
initArrY(3)
f=open(‘xy.txt‘,‘w‘)
for i in range(0,100):
f.write(str(arrX[i%3]) +‘\n‘)
arrX[i%3] = arrX[i%3] + random.randint(-1, 1)
f.close()

# for i in range(0,100):
# f.write(str(arr[i%3]) +‘\n‘)
# arr[i%3] = arr[i%3] + random.randint(-1, 1)

时间: 2024-10-12 10:43:46

python构造数据1_column.py的相关文章

python构造数据

#coding=utf-8import randomimport time def createRandomMac(): Maclist = [] for i in range(1,7): RANDSTR = "".join(random.sample("0123456789abcdef",2)) Maclist.append(RANDSTR) RANDMAC = ":".join(Maclist) print RANDMAC def creat

谈谈Python实战数据可视化之pygal模块(实战篇)

前沿 通过上一节谈谈Python实战数据可视化之pygal模块(基础篇)的学习,我们对pygal模块的使用有了初步的了解,本节将以实战项目来加深pygal模块的使用.从网上可以下载JSON格式的人口数据,并使用json模块来处理它们,pygal模块提供了一个适合初学者使用的地图创建工具,我们将使用它来对人口数据进行可视化,以探索全球人口的分布情况.针对JSON格式的人口数据文件,可以通过谈谈Python实战数据可视化之matplotlib模块(实战篇)章节的配套资源来下载.对于本人在学习和编码过

Python模拟数据工具哪些比较好用

今天给大家推荐两款基本的Python模拟数据工具:mock和pytest monkeypatch. 为什么要模拟数据? 我们的应用中有一些部分需要依赖外部的库或对象.为了隔离开这部分,我们需要代替这些外部依赖,因而就用到了模拟数据.我们模拟外部的API来产生特定的行为,比如说返回符合之前定义的恰当的返回值. 模拟函数 我们有一个function.py的模块: 然后我们来看下如何将其与Mock库结合使用的: 这里发生了什么?1-4行是为了兼容python 2和3来引入的代码,在python 3中m

Python 中数据的序列化和反序列化(json处理)

概念: JSON(JavaScript Object Notation):是一种轻量级的数据交换格式. 易于人阅读和编写.同时也易于机器解析和生成. 它基于JavaScript Programming Language, Standard ECMA-262 3rd Edition - December 1999的一个子集. JSON采用完全独立于语言的文本格式,但是也使用了类似于C语言家族的习惯(包括C, C++, C#, Java, JavaScript, Perl, Python等). 这些

LINUX安全--构造数据实现缓冲区溢出

源代码: #include <stdio.h> #include <stdlib.h> #include <string.h> char *file[2] = {"superman.txt","batman.txt"}; char email[128]; char* cat_file(char *fileName){ FILE *fp; char *content = (char *)malloc(40); memset(cont

MySQL实验准备(二)--Python模拟数据(MySQL数据库)

Python模拟数据(MySQL数据库) 数据模拟 目的:模拟多个表的插入和查询数据的模拟,再通过基准测试脚本测试服务器性能和收集数据,仿真模拟. 备注: 如果需要基础的python环境,可以查看<MySQL实验准备(一)--环境准备>文档 实验脚本 通过对一个简单表的脚本插入和查询模拟,后面能 举一反三,完成多张表的多表插入,多线程的多表插入,多线程查询,和多线程的join查询. 数据库的表结构 mysql> show create table zdemo.student; +----

Python 小数据池、代码块以及代码块缓存机制

按照惯例,吟诗一首:苏轼<江城子·乙卯正月二十日夜记梦> 十年生死两茫茫,不思量,自难忘.千里孤坟,无处话凄凉. 纵使相逢应不识,尘满面,鬓如霜. 夜来幽梦忽还乡,小轩窗,正梳妆.相顾无言,惟有泪千行. 料得年年肠断处,明月夜,短松冈. 1. is 和 == 之间的区别 在讲解代码块及其缓存机制之前有必要搞清楚is和==之间的区别 开门见山直接说:==是比较两边变量的值是否相同,is是比较两边变量的内存地址是否相同,在python中内存地址如何获取,当然是使用id(item)函数获取了 举两个

Python学习——数据排序方法

Python对数据排序又两种方法: 1. 原地排序:采用sort()方法,按照指定的顺序排列数据后用排序后的数据替换原来的数据(原来的顺序丢失),如: >>> data1=[4,2,6,432,78,43,22,896,42,677,12] >>> data1.sort() >>> data1 #原来的顺序被替换 [2, 4, 6, 12, 22, 42, 43, 78, 432, 677, 896] 2. 复制排序:采用sorted()内置函数,按照

python&amp;php数据抓取、爬虫分析与中介,有网址案例

最近在做一个网络爬虫程序,后台使用python不定时去抓取数据,前台使用php进行展示 网站是:http://se.dianfenxiang.com python&php数据抓取.爬虫分析与中介,有网址案例,布布扣,bubuko.com