mdbq 1.6.0__tar.gz → 1.6.1__tar.gz

{mdbq-1.6.0 → mdbq-1.6.1}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: mdbq
-Version: 1.6.0
+Version: 1.6.1
 Home-page: https://pypi.org/project/mdbsql
 Author: xigua, 
 Author-email: 2587125111@qq.com

{mdbq-1.6.0 → mdbq-1.6.1}/mdbq/aggregation/aggregation.py

@@ -906,16 +906,16 @@ def upload_dir(path, db_name, collection_name, dbs={'mysql': True, 'mongodb': Tr
             host=host,
             port=port,
         )
-        username, password, host, port = get_myconf.select_config_values(
-            target_service='nas',
-            database='mysql',
-        )
-        nas = mysql.MysqlUpload(
-            username=username,
-            password=password,
-            host=host,
-            port=port,
-        )
+        # username, password, host, port = get_myconf.select_config_values(
+        #     target_service='nas',
+        #     database='mysql',
+        # )
+        # nas = mysql.MysqlUpload(
+        #     username=username,
+        #     password=password,
+        #     host=host,
+        #     port=port,
+        # )
 
     # 从本地 json 文件从读取 df 的数据类型信息
     df_to_json = df_types.DataTypes()
@@ -1064,11 +1064,11 @@ if __name__ == '__main__':
     #     target_service='company',
     #     database='mysql'
     # )
-    # db_name = '生意参谋2'
-    # table_name = '自助取数_店铺流量_月数据'
-    # upload_dir(
-    #     path='/Users/xigua/数据中心/原始文件2/月数据/流量来源-自助取数-月数据',
-    #     db_name=db_name,
-    #     collection_name=table_name,
-    #     dbs={'mysql': True, 'mongodb': False},
-    # )
+    db_name = '推广数据2'
+    table_name = '超级直播'
+    upload_dir(
+        path='/Users/xigua/数据中心/原始文件2/推广报表/超级直播',
+        db_name=db_name,
+        collection_name=table_name,
+        dbs={'mysql': True, 'mongodb': False},
+    )

{mdbq-1.6.0 → mdbq-1.6.1}/mdbq/aggregation/query_data.py

@@ -192,6 +192,33 @@ class MysqlDatasQuery:
         )
         return df
 
+    def tg_cjzb(self):
+        start_date, end_date = self.months_data(num=self.months)
+        projection = {
+            '日期': 1,
+            '场景名字': 1,
+            '人群名字': 1,
+            '计划名字': 1,
+            '花费': 1,
+            '展现量': 1,
+            '进店量': 1,
+            '粉丝关注量': 1,
+            '观看次数': 1,
+            '总购物车数': 1,
+            '总成交笔数': 1,
+            '总成交金额': 1,
+            '直接成交笔数': 1,
+            '直接成交金额': 1,
+        }
+        df = self.download.data_to_df(
+            db_name='推广数据2',
+            table_name='超级直播',
+            start_date=start_date,
+            end_date=end_date,
+            projection=projection,
+        )
+        return df
+
     def idbm(self):
         """ 用生意经日数据制作商品 id 和编码对照表 """
         data_values = self.download.columns_to_list(
@@ -397,6 +424,7 @@ class GroupBy:
                 '总成交笔数': '成交笔数',
                 '总成交金额': '成交金额'
             }, inplace=True)
+            df.fillna(0, inplace=True)
             df = df.astype({
                 '商品id': str,
                 '花费': float,
@@ -409,7 +437,6 @@ class GroupBy:
                 '直接成交笔数': int,
                 '直接成交金额': float,
             }, errors='raise')
-            df.fillna(0, inplace=True)
             if is_maximize:
                 df = df.groupby(['日期', '营销场景', '商品id', '花费', '展现量', '点击量'], as_index=False).agg(
                     **{'加购量': ('加购量', np.max),
@@ -477,6 +504,7 @@ class GroupBy:
                 '总成交笔数': '成交笔数',
                 '总成交金额': '成交金额'
             }, inplace=True)
+            df.fillna(0, inplace=True)
             df = df.astype({
                 '商品id': str,
                 '花费': float,
@@ -488,7 +516,6 @@ class GroupBy:
                 '直接成交笔数': int,
                 '直接成交金额': float,
             }, errors='raise')
-            df.fillna(0, inplace=True)
             if is_maximize:
                 df = df.groupby(['日期', '营销场景', '商品id', '花费', '展现量', '点击量', '人群名字'], as_index=False).agg(
                     **{'加购量': ('加购量', np.max),
@@ -518,6 +545,7 @@ class GroupBy:
                 '总成交笔数': '成交笔数',
                 '总成交金额': '成交金额'
             }, inplace=True)
+            df.fillna(0, inplace=True)
             df = df.astype({
                 '商品id': str,
                 '花费': float,
@@ -529,7 +557,6 @@ class GroupBy:
                 '直接成交笔数': int,
                 '直接成交金额': float,
             }, errors='raise')
-            df.fillna(0, inplace=True)
             if is_maximize:
                 df = df.groupby(['日期', '营销场景', '商品id', '词类型', '词名字/词包名字', '花费', '展现量', '点击量'], as_index=False).agg(
                     **{'加购量': ('加购量', np.max),
@@ -551,6 +578,55 @@ class GroupBy:
                 )
             df.insert(loc=1, column='推广渠道', value='万相台无界版')  # df中插入新列
             return df
+        elif '超级直播' in table_name:
+            df.rename(columns={
+                '观看次数': '观看次数',
+                '总购物车数': '加购量',
+                '总成交笔数': '成交笔数',
+                '总成交金额': '成交金额',
+                '场景名字': '营销场景',
+            }, inplace=True)
+            df.fillna(0, inplace=True)
+            df = df.astype({
+                '花费': float,
+                # '点击量': int,
+                '加购量': int,
+                '成交笔数': int,
+                '成交金额': float,
+                '进店量': int,
+                '粉丝关注量': int,
+                '观看次数': int,
+            }, errors='raise')
+            if is_maximize:
+                df = df.groupby(['日期', '营销场景', '人群名字', '计划名字', '花费', '观看次数', '展现量'],
+                                as_index=False).agg(
+                    **{
+                        '进店量': ('进店量', np.max),
+                        '粉丝关注量': ('粉丝关注量', np.max),
+                        '加购量': ('加购量', np.max),
+                        '成交笔数': ('成交笔数', np.max),
+                        '成交金额': ('成交金额', np.max),
+                        '直接成交笔数': ('直接成交笔数', np.max),
+                        '直接成交金额': ('直接成交金额', np.max),
+                       }
+                )
+            else:
+                df = df.groupby(['日期', '营销场景', '人群名字', '计划名字', '花费', '观看次数', '展现量'],
+                                as_index=False).agg(
+                    **{
+                        '进店量': ('进店量', np.min),
+                        '粉丝关注量': ('粉丝关注量', np.min),
+                        '加购量': ('加购量', np.min),
+                        '成交笔数': ('成交笔数', np.min),
+                        '成交金额': ('成交金额', np.min),
+                        '直接成交笔数': ('直接成交笔数', np.min),
+                        '直接成交金额': ('直接成交金额', np.min),
+                    }
+                )
+            df.insert(loc=1, column='推广渠道', value='万相台无界版')  # df中插入新列
+            # df.insert(loc=2, column='营销场景', value='超级直播')  # df中插入新列
+            # df = df.loc[df['日期'].between(start_day, today)]
+            return df
         elif '宝贝指标' in table_name:
             """ 聚合时不可以加商家编码，编码有些是空白，有些是 0 """
             df['宝贝id'] = df['宝贝id'].astype(str)
@@ -911,9 +987,9 @@ def data_aggregation_one(service_databases=[{}], months=1):
             data_dict = [
                 {
                     '数据库名': '聚合数据',
-                    '集合名': '京东_京准通_全站营销',
-                    '唯一主键': ['日期', '产品线',],
-                    '数据主体': sdq.jdqzyx(),
+                    '集合名': '天猫_超级直播',
+                    '唯一主键': ['日期', '推广渠道', '营销场景', '花费'],
+                    '数据主体': sdq.tg_cjzb(),
                 },
             ]
             ######################################################
@@ -1024,6 +1100,12 @@ def data_aggregation(service_databases=[{}], months=1):
                     '唯一主键': ['日期', '推广渠道', '营销场景', '商品id', '花费', '词类型', '词名字/词包名字',],
                     '数据主体': sdq.tg_gjc(),
                 },
+                {
+                    '数据库名': '聚合数据',
+                    '集合名': '天猫_超级直播',
+                    '唯一主键': ['日期', '推广渠道', '营销场景', '花费'],
+                    '数据主体': sdq.tg_cjzb(),
+                },
             ]
             for items in data_dict:  # 遍历返回结果
                 db_name, table_name, unique_key_list, df = items['数据库名'], items['集合名'], items['唯一主键'], items['数据主体']
@@ -1081,7 +1163,7 @@ def data_aggregation(service_databases=[{}], months=1):
 
 
 if __name__ == '__main__':
-    data_aggregation(service_databases=[{'company': 'mysql'}], months=1)  # 正常的聚合所有数据
-    # data_aggregation_one(service_databases=[{'company': 'mysql'}], months=1)  # 单独聚合某一个数据库，具体库进函数编辑
+    # data_aggregation(service_databases=[{'home_lx': 'mysql'}], months=1)  # 正常的聚合所有数据
+    data_aggregation_one(service_databases=[{'home_lx': 'mysql'}], months=1)  # 单独聚合某一个数据库，具体库进函数编辑
     # optimize_data.op_data(service_databases=[{'company': 'mysql'}], days=3650)  # 立即启动对聚合数据的清理工作
 

{mdbq-1.6.0 → mdbq-1.6.1}/mdbq.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: mdbq
-Version: 1.6.0
+Version: 1.6.1
 Home-page: https://pypi.org/project/mdbsql
 Author: xigua, 
 Author-email: 2587125111@qq.com

{mdbq-1.6.0 → mdbq-1.6.1}/setup.py

@@ -3,7 +3,7 @@
 from setuptools import setup, find_packages
 
 setup(name='mdbq',
-      version='1.6.0',
+      version='1.6.1',
       author='xigua, ',
       author_email="2587125111@qq.com",
       url='https://pypi.org/project/mdbsql',