Python在5G设备筛选统计中的应用

中国联通河南省分公司 师雪丽 欣 娜 魏利朋 孙慧珠

根据集团公司下发的《关于补充维护5G资源相关数据的通知》，要求各省分公司基于自动采集的5G无线网数据，在OSS2.0资源管理系统补充维护管理区域、关联机房或放置点等静态数据。由于在筛选统计的过程中，需要处理的数据量庞大，与利用Excel相比较，利用Python能够用更少的时间处理更大的数据集，实现自动化。本文通过对Python的Numpy及Pandas两个库的学习及应用，实现了无线网5G设备的自动化筛选统计，大大提高了工作效率。

本文使用Anaconda自带的Jupyter Notebook，基于Python的Numpy及Pandas两个库，对从OSS2.0资源管理系统提取的四张5G（GnodeB、CU、DU、AAU）资源数据表进行筛选及统计，实现了5G设备的自动化筛选统计。

1 Python环境搭建

本文实验主机为Windows 10系统，安装了Python 3.8.1及Anaconda3软件，在DOS环境下安装了Jupyter Notebook、Numpy、Pandas包。

2 实验过程及结果展示

2.1 实验前准备工作

（1）从OSS2.0资源管理系统提取GnodeB、CU、DU、AAU数据原始表，并将四张表格由“xls”格式转成“xlsx”格式，表格分别命名为：“GN.xlsx”、“CU.xlsx”、“DU.xlsx”、“AAU.xlsx”；

（2）将GnodeB、CU、DU、AAU数据原始表放到“当前工作目录”下；

（3）新建一个“空表.xlsx”，表里内容为一列，列名为“所属地市”，列的内容为地市名称（地市名称的排列顺序可根据需求自己定义和调整）。

2.2 实验过程

分别对“GN.xlsx”、“CU.xlsx”、“DU.xlsx”、“AAU.xlsx”四张原始数据表进行筛选统计，并导出对应的“**筛选明细表.xlsx”及“**汇总表.xlsx”。

（1）GnodeB数据表“GN.xlsx”筛选统计步骤

2）读取表“GN.xlsx”表的内容；

3）筛选出“设备ID”、“设备名称”、“设备编码”、“所属管理区域”四列数据；

df1 = df[[‘设备ID’,’设备名称’,’设备编码’,’所属管理区域’]]

4）再次筛选出“所属管理区域”为“空值”的数据，并将索引重置；

5）对每一行的“设备名称”列中的值进行切片，取前两个字母，赋值给对应行的“所属管理区域”列；

6）将“所属管理区域”列中值的字母替换成相应的汉字；

df4 = df3[‘所属管理区域’].replace([‘DS1’,’DS2’],[ ‘地市1’,’地市2’])

7）按照“所属管理区域”中的地市值对GnodeB未关联设备数量进行汇总；

（2）AAU数据表“AAU.xlsx”筛选统计步骤

1）导入Numpy及Pandas库，并将Numpy及Pandas简称为np和pd；

2）读取表“AAU.xlsx”中两个sheet的内容；

4）筛选出“设备ID”、“设备编码”，“所属GNodeBDU”，“所属安置地点”四列数据；

5）再次筛选出“所属安置地点”为“空值”的数据，并将索引重置；

6）定义一个函数city（），通过“设备编码”的7位5G NODEBID值判断所属地市；

7）对每一行的“设备编码”列中的值进行切片，取有效的7位5G NODEBID的值，调用函数city（）后，赋值给“所属安置地点”列；

8）按照“所属安置地点”中的地市值对AAU未关联设备数量进行汇总；

9）生成“AAU筛选明细表.xlsx”及“AAU汇总表”；（3）“CU.xlsx”、“DU.xlsx”表的筛选统计步骤参照（1）中“GN.xlsx”筛选统计步骤。

生成“5G未关联设备统计汇总表.xlsx”表的步骤：

（1）导入Numpy及Pandas库，并将Numpy及Pandas简称为np和pd；

（2）读取四张筛选明细表、四张汇总表以及18地市“空表”内容；

（3）重命名四张汇总表的列名；

（4）以“空表”为参照，将四张汇总表与“空表”拼接成一个汇总表；

（5）将总的汇总表“空值”置零，并将设备（GN、CU、DU、AAU）数量列的数值类型转换成“int”类型；

（6）将总汇总表每行进行求和后生成“总数”列，然后对“总数”列按照降序排列；

（7）将四张筛选明细表及步骤（6）生成的总汇总表保存到一个名为“5G未关联设备统计汇总表.xlsx”的Excel表里，表中包括5个sheet，sheet名分别为：“GN”、“CU”、“DU”、“AAU”、“汇总”。

2.3 实验结果展示

最终生成的“5G未关联设备统计汇总表.xlsx”表格中GN及汇总两个sheet的内容如图1、图2所示，由于CU、DU及AAU三个sheet的内容与GN内容相似，本文就不再展示了。

图1 GN表内容

图2 汇总表内容

3 实验总结

本文实验的一个关键步骤是设备“所属地市”的判断，通过观察，GnodeB、CU、DU、AAU设备均可以通过“设备名称（所属GNodeBDU）”的前两个字母或“设备编码”的7位5G NODEBID值来判断“所属地市”。因此判断“所属地市”的方法就有多种组合。在实验过程中，我发现“设备编码”的7位5G NODEBID的位置不固定，而“设备名称”、“所属GNodeBDU”这列的前两个字母位置是固定的。因此，实验初期，我采用“设备名称（所属GNodeBDU）”的前两个字母判断“所属地市”。但是在多次实验中，我发现“AAU.xlsx”数据表中“所属GNodeBDU”列的值经常会有缺失，经过综合考量，最终，确定采用本文：GnodeB、CU、DU设备按照“设备名称”，AAU设备按照“设备编码”判断“所属地市”的方法。

通过对比，在进行5G设备筛选统计工作中，处理相同的4张Excel表的数据，利用传统的Excel筛选统计方法，需要耗费至少40min的时间，而利用本文的python处理方法，只需要耗费不到4分钟的时间，大大节省了数据处理时间，提高了工作效率，本文的方法已在实际工作中得到应用。