本文目录一览：
- 1、Python + Pandas + Matplotlib初探数据分析
- 2、windows下怎么用python连接hive数据库
- 3、python怎么读取hive元数据，执行大sql
- 4、Hive是什么？
- 5、python如何增量读取hive数据，每次执行脚本把上次的结果做基准，打印出新增的部分？
Python + Pandas + Matplotlib初探数据分析
大数据测试，说来进入这块领域也快2年半了。每天工作的内容是验证数据表的逻辑正确性。
最近偶有所思，数据测试能否更进一步？如何利用已有技能对海量数据进行全面分析，找出数据质量问题或协助数据分析师发现逻辑漏洞？
再或者，能否向数据分析师转型呢？想得很多，思绪有些杂乱。于是我冷静了下，不再空想。我先做点东西出来看看，再评估下自己是否有这个能力和资质。
花了1个星期的时间，学习了 Python 的 Pandas 模块，按照学习示例一边学习一边实操，慢慢地感觉就来了。对 Pandas 有了基本的认知后，我在寻找一个突破点，我想我不能一直只是这样按照示例代码敲下去，毫无意义。
我得将所学的 Pandas 知识结合公司现有的业务进行运用。刚开始至少能简单地开始对某张数据表的某个指标进行数据分析。于是我按照这样的想法对 test. test_resv001_room_daily_df 表的 number_of_room_nights 指标开始了数据分析的 探索 。
1、hivesql数据准备
hivesql内容说明：
从上面的 hivesql 语句可以看出，这条 sql 的目的是查询出 hotel_code_new 为 'CNSZV002','CWH','CWSW','ESL','FIJ' 在2019年各个月份的 number_of_room_nights 指标总和，按照 hotel_code_new 和月份作分组和排序。
2、代码实现
3、hive数据库all_data的数据结构查询结果
4、代码实现2中的print(df)输出结果
手工校对通过，与 hivesql 输出结果一致。
5、将dataframe数据结构的df数据使用plot生成趋势图
调用df.plot()不带任何参数的趋势图如下：
上述折线图表示：当前月份值及 历史 月份值的累加和。
调用df.plot(kind='bar')时加上参数kind='bar'的趋势图如下：
上述柱状图表示：当前月份值及 历史 月份值的累加和。
两个图只是展示形式上的区别，都能在一定程度上体现2019年12个月份每个不同 hotel_code_new 当前月份与 历史 月份 number_of_room_nights 值的累加和的数据分布情况，可以说是一个简单的数据分析。
6、将dataframe数据写入csv文件
room_nts.csv内容如下：
7、读取csv文件中dataframe数据
8、将dataframe多维数据存储到excel中
room_nts.xlsx文件中sheet_name为room_nts的内容如下：
9、从excel中读取dataframe多维数据
小结
今天分享的数据分析内容比较基础，主要是将学到的技能与业务相结合的初步 探索 ，后续还需要不断 探索 与学习，将学习到的技能加以思考并运用到实际项目业务中，如此方能走得更远。
windows下怎么用python连接hive数据库
由于版本的不同，Python 连接 Hive 的方式也就不一样。
在网上搜索关键字 python hive 的时候可以找到一些解决方案。大部分是这样的，首先把hive 根目录下的$HIVE_HOME/lib/py拷贝到 python 的库中，也就是 site-package 中，或者干脆把新写的 python 代码和拷贝的 py 库放在同一个目录下，然后用这个目录下提供的 thrift 接口调用。示例也是非常简单的。类似这样：
import sys
from hive_service import ThriftHive
from hive_service.ttypes import HiveServerException
from thrift import Thrift
from thrift.transport import TSocket
from thrift.transport import TTransport
from thrift.protocol import TBinaryProtocol
def hiveExe(sql):
try:
transport = TSocket.TSocket('127.0.0.1', 10000)
transport = TTransport.TBufferedTransport(transport)
protocol = TBinaryProtocol.TBinaryProtocol(transport)
client = ThriftHive.Client(protocol)
transport.open()
client.execute(sql)
print "The return value is : "
print client.fetchAll()
print "............"
transport.close()
except Thrift.TException, tx:
print '%s' % (tx.message)
python怎么读取hive元数据，执行大sql
#!/usr/bin/env pythonimport syssys.path.append('/usr/local/hive-0.10.0/lib/py')from hive_service import ThriftHivefrom hive_service.ttypes import HiveServerExceptionfrom thrift import Thriftfrom thrift.transport import TSocketf...
Hive是什么？
此外，hive也支持熟悉map-reduce的开发者使用map-reduce程序对数据做更加复杂的分析。 hive可以很好的结合thrift和控制分隔符，也支持用户自定义分隔符。 hive基于hadoop，hadoop是批处理系统，不能保存低延迟，因此，hive的查询也不能保证低延迟。 hive的工作模式是：提交一个任务，等到任务结束时被通知，而不是实时查询。相对应的是，类似于Oracle这样的系统当运行于小数据集的时候，响应非常快，可当处理的数据集非常大的时候，可能需要数小时。需要说明的是，hive即使在很小的数据集上运行，也可能需要数分钟才能完成。 低延迟不是hive追求的首要目标。
python如何增量读取hive数据，每次执行脚本把上次的结果做基准，打印出新增的部分？
1.读取文本文件数据（.txt结尾的文件）或日志文件（.log结尾的文件）list0与list1分别为文档中的第一列数据与第二列数据。
