do exception for non-numeric

README.md

@@ -9,11 +9,13 @@
     "模型": []
 
   },
-  "distinguish": ["模型", "卡类型", "卡数"],
-  "group_by": [["并发数"], ["输入长度(tokens)", "输出长度(tokens)"]],
+  "dist_cols": ["模型", "卡数"],
+  "group_cols": [["并发数"], ["输入长度(tokens)", "输出长度(tokens)"]],
+  "key_cols": ["卡类型", "vLLM版本", "V0/V1 Engine"],
+  "metric_cols": ["平均首字延时TTFT(ms)", "平均生成时间TPOT(ms)", "生成吞吐量(tokens/s)", "总吞吐量(tokens/s)"],
   "files": [
     {
-      "file": "test100.xlsx",
+      "file": "t.xlsx",
       "sheets": [],
       "column_mapping": {
       },
@@ -24,12 +26,16 @@
 }
 
 filter: 过滤条件，不设置或者为空则不过滤
-distinguish: 选择输出文件的条件，例如["模型", "卡类型", "卡数"]则将相同的模型、卡类型和卡数的所有数据生成以个文件
-group_by: 可以进行最多2重分组，每层一个图，第2层以不同柱状显示数据。如果命令行参数指定合并，则所有合成一个图，分组之间间隔开
+dist_cols: 选择输出文件的条件，例如["模型", "卡类型", "卡数"]则将相同的模型、卡类型和卡数的所有数据生成以个文件
+group_cols: 可以进行最多2重分组，每层一个图，第2层以不同柱状显示数据。如果命令行参数指定合并，则所有合成一个图，分组之间间隔开
+key_cols: 分组内的键值
+metric_cols: 度量列，不设置缺省上述4个，会将所有非数值格式转换为0
 files: 指定文件信息, 可以使用多个文件
     file: 文件名
     sheets: 可以指定处理的sheet，不指定则遍历所有
     column_mapping: 列名重映射，用于处理多个文件时表头信息略有差异的情况
+参考配置说明:
+
 ```
 ## 使用方法
 ```

data_config.json

@@ -4,9 +4,10 @@
     "模型": []
 
   },
-  "distinguish": ["模型", "卡数"],
-  "group_by": [["并发数"], ["输入长度(tokens)", "输出长度(tokens)"]],
-  "colkey": ["卡类型", "vLLM版本", "V0/V1 Engine"],
+  "dist_cols": ["模型", "卡数"],
+  "group_cols": [["并发数"], ["输入长度(tokens)", "输出长度(tokens)"]],
+  "key_cols": ["卡类型", "vLLM版本", "V0/V1 Engine"],
+  "metric_cols": ["平均首字延时TTFT(ms)", "平均生成时间TPOT(ms)", "生成吞吐量(tokens/s)", "总吞吐量(tokens/s)"],
   "files": [
     {
       "file": "t.xlsx",

plot_comparison.py

@@ -270,30 +270,31 @@ df_renamed = apply_filter(df_renamed, filter_config)
 
 print(f"过滤后数据量: {len(df_renamed)}")
 
-metric_cols = [
-    '平均首字延时TTFT(ms)', 
-    '平均生成时间TPOT(ms)', 
-    '生成吞吐量(tokens/s)', 
-    '总吞吐量(tokens/s)'
-]
 
-dist_cols_config = config.get('distinguish', ['模型', '卡数'])
+dist_cols_config = config.get('dist_cols', ['模型', '卡数'])
 dist_cols = [col_mapping.get(c, c) for c in dist_cols_config]
 dist_cols = [c for c in dist_cols if c in df_renamed.columns]
 
 os.makedirs(args.输出目录, exist_ok=True)
 
-group_by = config.get('group_by', [[], []])
-if isinstance(group_by[0], list):
-    outer_group = group_by[0] if len(group_by) > 0 else []
-    inner_group = group_by[1] if len(group_by) > 1 else []
+group_cols = config.get('group_cols', [[], []])
+if isinstance(group_cols[0], list):
+    outer_group = group_cols[0] if len(group_cols) > 0 else []
+    inner_group = group_cols[1] if len(group_cols) > 1 else []
 else:
     outer_group = []
-    inner_group = group_by
-colkey = config.get('colkey', [])
-if len(colkey) == 0:
+    inner_group = group_cols
+key_cols = config.get('key_cols', [])
+if len(key_cols) == 0:
     print(f"column key error")
 
+metric_cols = config.get('metric_cols', [
+    '平均首字延时TTFT(ms)', 
+    '平均生成时间TPOT(ms)', 
+    '生成吞吐量(tokens/s)', 
+    '总吞吐量(tokens/s)' 
+    ])
+
 dist_combinations = df_renamed.groupby(dist_cols).size().reset_index()
 print(f"\n将生成 {len(dist_combinations)} 个图表...")
 
@@ -320,7 +321,7 @@ for idx, (_, dist_row) in enumerate(dist_combinations.iterrows()):
         #    df_subset[c] = df_subset[c].astype('float64')
         #except Exception as e:
         #    print(f"数据转换错误, 列名{c}, 错误信息{e}")
-    success = generate_chart(df_subset, output_path, colkey, outer_group, inner_group, metric_cols, args.合并分组)
+    success = generate_chart(df_subset, output_path, key_cols, outer_group, inner_group, metric_cols, args.合并分组)
     
     if success:
         chart_count += 1