snapshot中进行统计学分析

引言

AGS中可以导出每次飞行的快照数据，这些数据对于飞行品质的分析非常有帮助。目前上航每月737航班约产生9000-10000行快照信息，每行信息包含200个字段

分析字段

现阶段仅针对以下字段进行监控和分析，分别对应100英尺以下最大坡度、接地最大垂直载荷，油门慢车高度、接地姿态

event_name_landing=['`ROLL_MAX_BL100 (deg)`','`VRTG_MAX_LD (g)`','`RETARD_ALT (FT)`','`PITCH_LANDING (deg)`']

分析方法一

使用经典的mysql导出数据列表，将字段信息写入list列表，再通过对list进行统计学分析得到结果

    print("机队,字段,月份,航班快照量,Q1值,中位数,Q3值,Q90,标准差,变异系数,平均值")
    for column in columnlist:
        for month in monthlist:
            sql="select ags.ags_id,flnk.`航班日期`,ags.`From`,ags.`To`,ags.%s as 数据 from ags_snapshot ags,flight_link_chn flnk where flnk.key_id=ags.key_id and date_format(flnk.航班日期,'%%Y-%%m')='%s' and flnk.机型 IN (%s)" % (column,month,ac_type)
            #print(sql)
            a=query(sql)
            if a.rowcount>0:
                result=a.fetchall()
                list=[]
                for row in result:
                #data=row['数据']
                #数据库里是字符串，这里必须转换成浮点数
                    list.append(float(row['数据'])) 
                #输出结果
                print(len(list))
                Q1=np.percentile(list,25)
                Q2=np.percentile(list,50)
                Q3=np.percentile(list,75)
                #注：Q90在个人数据中没有意义，不做统计
                Q90=np.percentile(list,90)
                m_std=std(list,ddof=1)
                m_mean=mean(list)
                m_cv=std(list,ddof=1)/m_mean
                #print(name,month,Q2,Q3,m_std,m_cv)
                #清空list列表
                list=[]
                print("%s,%s,%s,%d,%f,%f,%f,%f,%f,%f,%f" % ("B737机队",column,month,len(list),Q1,Q2,Q3,Q90,m_std,m_cv,m_mean))
            else:
                pass
        pass

分析方法二

使用pandas做为数据输入源，理论上速度更快

    print("机队,字段,月份,航班快照量,Q1值,中位数,Q3值,Q90,标准差,变异系数,平均值")
    for column in columnlist:
        for month in monthlist:
            sql="select ags.ags_id,flnk.`航班日期`,ags.`From`,ags.`To`,ags.%s as 数据 from ags_snapshot ags,flight_link_chn flnk where flnk.key_id=ags.key_id and date_format(flnk.航班日期,'%%Y-%%m')='%s' and flnk.机型 IN (%s)" % (column,month,ac_type)
            df=query_df(sql)
            #数据类型转换 text->float
            df_float=df['数据'].astype('float')
            count=df_float.count()
            Q1=df_float.quantile(0.25)
            Q2=df_float.quantile(0.50)
            Q3=df_float.quantile(0.75)
            #注：Q90在个人数据中没有意义，不做统计
            Q90=df_float.quantile(0.9)
            m_std=df_float.std()
            #m_std=std(list,ddof=1)
            m_mean=df_float.mean()
            m_cv=m_std/m_mean
            print("%s,%s,%s,%d,%f,%f,%f,%f,%f,%f,%f" % ("B737机队",column,month,count,Q1,Q2,Q3,Q90,m_std,m_cv,m_mean))
            #print(stats1(df_float))

分析结果：

image.png