如何用Python转换Grafana导出CSV的延迟单位并可视化数据

一、将延迟统一转换为秒的Python代码 #

使用pandas可高效处理CSV中的单位转换，步骤如下：

1. 安装依赖（未安装时执行）：

pip install pandas

2. 读取并处理CSV数据：

import pandas as pd

# 读取CSV，适配多空格分隔符，同时解析时间列为日期类型
df = pd.read_csv('latency_data.csv', sep='\s+', parse_dates=['time'], index_col='time')

# 定义单位转换函数
def convert_to_seconds(latency_entry):
    value, unit = latency_entry.split()
    numeric_value = float(value)
    if unit == 'ms':
        return numeric_value / 1000
    elif unit == 's':
        return numeric_value
    raise ValueError(f"无法识别的单位: {unit}")

# 应用转换，生成秒级延迟列
df['latency_sec'] = df['latency'].apply(convert_to_seconds)

# 可选：删除原延迟列并保存处理后的数据
df = df.drop('latency', axis=1)
df.to_csv('processed_latency_data.csv')

说明：原CSV采用多空格分隔，因此用sep='\s+'适配；解析time列为日期类型，方便后续可视化时的时间轴处理。

二、Python可视化方案 #

基于处理后的DataFrame，可使用matplotlib或seaborn生成直观图表：

1. 折线图（展示延迟随时间的变化趋势） #

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
df['latency_sec'].plot(kind='line', color='#1f77b4')
plt.title('API延迟时间趋势（单位：秒）')
plt.xlabel('时间')
plt.ylabel('延迟（秒）')
plt.grid(axis='y', linestyle='--')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

2. 柱状图（对比离散时间点的延迟差异） #

plt.figure(figsize=(10, 5))
df['latency_sec'].plot(kind='bar', color='#2ca02c')
plt.title('各时间点API延迟对比（单位：秒）')
plt.xlabel('时间')
plt.ylabel('延迟（秒）')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

3. 使用Seaborn生成更美观的趋势图 #

import seaborn as sns

plt.figure(figsize=(12, 6))
sns.lineplot(data=df, x=df.index, y='latency_sec', marker='o', color='#ff7f0e')
plt.title('API延迟变化趋势')
plt.xlabel('时间')
plt.ylabel('延迟（秒）')
plt.xticks(rotation=45)
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Benjamin B