个人认为，
loadrunner自带的数据分析功能，本质上是为了将数据以最真实易懂的方式呈现。
算不得真正意义上的数据分析。
一个低成本的变通策略是：loadrunner收集数据并导出至excel，python读取数据分析并做呈现。
loadrunner导出数据的方法较为简单：
测试结束后，使用analysis功能得到报告，
在报告图中单击右键选择 set granularity，粒度设置为较小的数据，以导出尽可能多的数据。
报告图下方graph data处，选择save as或者cope all，保存至excel中。
Python组件安装
python读取excel使用xlrd，下载地址：
画图使用 matplotlib，安装方法
http://blog.sina.com.cn/s/blog_6c07f2b601013vqp.html
matplotlib用法
主要使用 pyplot，类matlab语法。除了面向对象和需要import之外，其他语法和思路基本都一样。
1、面向对象。
python面向对象，matlab面向过程。
面向对象，意味着需要有一个对象才能获取属性。
以figure和设置坐标轴属性为例，
python中的figure同matlab中的figure，用于初始化一个figure对象。
在matlab中，设置坐标轴的语句一般紧跟在plot之后，或者需要使用figure(n)将需要的窗口激活。本质上，matlab没有对象的概念，只能设置当前过程中活动的figure的属性。
在python中，可以声明一个figure对象fig，然后plot，legend，axis，title等都是该对象的一个方法。通过fig.title()来实现。
2、import 包
一般使用以下两行即可：
import numpy as np
import matplotlib.pyplot as plt
后续调用方法时，以np或plt为前缀。
3、语法细节
支持matlab式的语法。
具体的细节参考官方文档：Matplotlib.for.Python.Developers
Chapter 2: Getting Started with Matplotlib 主要涉及grid,axis,label,legend,title,save to file.
Chapter 3: Decorate Graphs with Plot Styles and Types 主要涉及图像的线条颜色样式等控制。
xlrd用法
使用时需要明确一下对象及其属性的概念。
首先，通过
xlrd.open_workbook打开一个excel文件，得到1个book对象。
然后，通过book对象获取sheet，根据sheet获取row/column数据。
详细用法参加官方文档：python-excel
python实现loadrunner基本功能的案例
场景：loadrunner测量得到一组time-TPS数据。做图，x轴为time，y为TPS。
注：xlrd读取时间后存储为xl_date，暂不会xl_date转text，暂用纯文本代替真实数据。
原始数据与做图结果：
代码：
import numpy as np
import matplotlib.pyplot as plt
import xlrd
#open excel file and get sheet
myBook = xlrd.open_workbook(r'D:\src\testdata\testPlot.xls')
mySheet = myBook.sheet_by_index(0)
#get datas
time = mySheet.col(0)
time = [x.value for x in time]
tps = mySheet.col_values
(1)
#drop the 1st line of the data, which is the name of the data.
time.pop(0)
tps.pop(0)
#declare a figure object to plot
fig = plt.figure(1)
#plot tps
plt.plot(tps)
#advance settings
plt.title('time-tps')
plt.xticks(range(len(time)),time)
#show the figure
plt.show()
