sabado

03-FAZENDO -Atualizando_valor_estacao.ipynb

@@ -1,256 +0,0 @@
-{
- "cells": [
-  {
-   "cell_type": "code",
-   "execution_count": 1,
-   "id": "3baa2ead-4ec5-46a4-a098-faffc5f77d3e",
-   "metadata": {},
-   "outputs": [],
-   "source": [
-    "#bibliotecas\n",
-    "#!pip install pandas numpy\n",
-    "\n",
-    "import pandas as pd\n",
-    "import numpy as np\n",
-    "import os"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": 2,
-   "id": "a7d16f5b-6486-4f88-bc7a-8586483ba363",
-   "metadata": {},
-   "outputs": [
-    {
-     "data": {
-      "text/html": [
-       "<div>\n",
-       "<style scoped>\n",
-       "    .dataframe tbody tr th:only-of-type {\n",
-       "        vertical-align: middle;\n",
-       "    }\n",
-       "\n",
-       "    .dataframe tbody tr th {\n",
-       "        vertical-align: top;\n",
-       "    }\n",
-       "\n",
-       "    .dataframe thead th {\n",
-       "        text-align: right;\n",
-       "    }\n",
-       "</style>\n",
-       "<table border=\"1\" class=\"dataframe\">\n",
-       "  <thead>\n",
-       "    <tr style=\"text-align: right;\">\n",
-       "      <th></th>\n",
-       "      <th>CODIGO</th>\n",
-       "      <th>DATA</th>\n",
-       "      <th>VALOR</th>\n",
-       "    </tr>\n",
-       "  </thead>\n",
-       "  <tbody>\n",
-       "    <tr>\n",
-       "      <th>0</th>\n",
-       "      <td>1742017</td>\n",
-       "      <td>1980-01-01</td>\n",
-       "      <td>1.6</td>\n",
-       "    </tr>\n",
-       "    <tr>\n",
-       "      <th>1</th>\n",
-       "      <td>1742017</td>\n",
-       "      <td>1980-01-02</td>\n",
-       "      <td>10.6</td>\n",
-       "    </tr>\n",
-       "  </tbody>\n",
-       "</table>\n",
-       "</div>"
-      ],
-      "text/plain": [
-       "    CODIGO       DATA  VALOR\n",
-       "0  1742017 1980-01-01    1.6\n",
-       "1  1742017 1980-01-02   10.6"
-      ]
-     },
-     "execution_count": 2,
-     "metadata": {},
-     "output_type": "execute_result"
-    }
-   ],
-   "source": [
-    "# Carregar o DataFrame e pega a estacao mais proxima\n",
-    "\n",
-    "dados_df =  pd.read_csv(\"leitura.csv\",  sep=';', decimal=',', parse_dates=['DATA'], dayfirst=True)\n",
-    "dados_df.head(2)"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": 3,
-   "id": "8e7c01f0-b13c-4552-96f6-0906abd07280",
-   "metadata": {},
-   "outputs": [
-    {
-     "data": {
-      "text/html": [
-       "<div>\n",
-       "<style scoped>\n",
-       "    .dataframe tbody tr th:only-of-type {\n",
-       "        vertical-align: middle;\n",
-       "    }\n",
-       "\n",
-       "    .dataframe tbody tr th {\n",
-       "        vertical-align: top;\n",
-       "    }\n",
-       "\n",
-       "    .dataframe thead th {\n",
-       "        text-align: right;\n",
-       "    }\n",
-       "</style>\n",
-       "<table border=\"1\" class=\"dataframe\">\n",
-       "  <thead>\n",
-       "    <tr style=\"text-align: right;\">\n",
-       "      <th></th>\n",
-       "      <th>CODIGO</th>\n",
-       "      <th>LATITUDE</th>\n",
-       "      <th>LONGITUDE</th>\n",
-       "      <th>NOME</th>\n",
-       "      <th>1proxima</th>\n",
-       "      <th>2proxima</th>\n",
-       "      <th>3proxima</th>\n",
-       "      <th>1codigo</th>\n",
-       "      <th>2codigo</th>\n",
-       "      <th>3codigo</th>\n",
-       "    </tr>\n",
-       "  </thead>\n",
-       "  <tbody>\n",
-       "    <tr>\n",
-       "      <th>0</th>\n",
-       "      <td>1742017</td>\n",
-       "      <td>-17.845600</td>\n",
-       "      <td>-42.075600</td>\n",
-       "      <td>MALACACHETA</td>\n",
-       "      <td>ÁGUA BOA</td>\n",
-       "      <td>SANTA MARIA DO SUAÇUÍ</td>\n",
-       "      <td>SÃO JOÃO EVANGELISTA</td>\n",
-       "      <td>1742019</td>\n",
-       "      <td>1842008</td>\n",
-       "      <td>1842020</td>\n",
-       "    </tr>\n",
-       "    <tr>\n",
-       "      <th>1</th>\n",
-       "      <td>1742019</td>\n",
-       "      <td>-17.992201</td>\n",
-       "      <td>-42.393902</td>\n",
-       "      <td>ÁGUA BOA</td>\n",
-       "      <td>SANTA MARIA DO SUAÇUÍ</td>\n",
-       "      <td>MALACACHETA</td>\n",
-       "      <td>SÃO JOÃO EVANGELISTA</td>\n",
-       "      <td>1842008</td>\n",
-       "      <td>1742017</td>\n",
-       "      <td>1842020</td>\n",
-       "    </tr>\n",
-       "  </tbody>\n",
-       "</table>\n",
-       "</div>"
-      ],
-      "text/plain": [
-       "    CODIGO   LATITUDE  LONGITUDE         NOME               1proxima  \\\n",
-       "0  1742017 -17.845600 -42.075600  MALACACHETA               ÁGUA BOA   \n",
-       "1  1742019 -17.992201 -42.393902     ÁGUA BOA  SANTA MARIA DO SUAÇUÍ   \n",
-       "\n",
-       "                2proxima              3proxima  1codigo  2codigo  3codigo  \n",
-       "0  SANTA MARIA DO SUAÇUÍ  SÃO JOÃO EVANGELISTA  1742019  1842008  1842020  \n",
-       "1            MALACACHETA  SÃO JOÃO EVANGELISTA  1842008  1742017  1842020  "
-      ]
-     },
-     "execution_count": 3,
-     "metadata": {},
-     "output_type": "execute_result"
-    }
-   ],
-   "source": [
-    "\n",
-    "\n",
-    "# Converter mapeamento para DataFrame\n",
-    "estacao_df =  pd.read_csv(\"estacao_mais_proxima.csv\", encoding='utf-8', sep=';', decimal=',')\n",
-    "estacao_df.head(2)\n"
-   ]
-  },
-  {
-   "cell_type": "code",
-   "execution_count": 4,
-   "id": "fb6a0bc3",
-   "metadata": {},
-   "outputs": [
-    {
-     "name": "stdout",
-     "output_type": "stream",
-     "text": [
-      "Dados atualizados:\n"
-     ]
-    }
-   ],
-   "source": [
-    "# Copiar dados_df para uma variável para atualização\n",
-    "AtualizaDados = dados_df.copy()\n",
-    "\n",
-    "# Caminho do arquivo de log no diretório atual\n",
-    "log_file_path = os.path.join(os.getcwd(), 'atualizacao_dados.txt')\n",
-    "\n",
-    "# Abrir o arquivo de log para escrita\n",
-    "with open(log_file_path, 'w') as log_file:\n",
-    "    # Iterar sobre AtualizaDados para atualizar os valores\n",
-    "    for index, row in AtualizaDados.iterrows():\n",
-    "        valor = row['VALOR']\n",
-    "        data = row['DATA']\n",
-    "        if valor <= -1:\n",
-    "            log_file.write(f\"Código: {row['CODIGO']}, Data: {row['DATA']}, Valor: {valor}\\n\")\n",
-    "\n",
-    "            codigo_filtrado = row['CODIGO']\n",
-    "            linhas_filtradas = estacao_df.loc[estacao_df['CODIGO'] == codigo_filtrado]\n",
-    "            \n",
-    "            # Iterar sobre os códigos próximos (1codigo, 2codigo, 3codigo)\n",
-    "            for i in range(1, 4):  # Considerando as três primeiras colunas de códigos\n",
-    "                codigo_proximo = linhas_filtradas[f'{i}codigo'].iloc[0]\n",
-    "                filtro = (dados_df['CODIGO'] == codigo_proximo) & (dados_df['DATA'] == data)\n",
-    "                valor_proximo = dados_df.loc[filtro, 'VALOR'].values\n",
-    "                \n",
-    "                log_file.write(f\"{i}codigo: {codigo_proximo} Valor: {valor_proximo}\\n\")\n",
-    "                \n",
-    "                # Verificar se o valor encontrado não é menor ou igual a -1\n",
-    "                if len(valor_proximo) > 0 and valor_proximo[0] > -1:\n",
-    "                    AtualizaDados.loc[index, 'VALOR'] = valor_proximo[0]\n",
-    "\n",
-    "                    log_file.write(f\"Valor atual {row['VALOR']} - Valor atualizado para: {valor_proximo[0]}\\n\")\n",
-    "                    break  # Parar o loop se encontrar um valor válido\n",
-    "            \n",
-    "            log_file.write(\"---------------------------------------------------\\n\")\n",
-    "\n",
-    "# Exibir mensagem após completar o processo\n",
-    "print(\"Dados atualizados:\")\n",
-    "AtualizaDados.to_csv(\"dados_atualizados_mais_proximo.csv\", sep=\";\", encoding='utf-8', decimal=',', index=False)\n",
-    "#print(AtualizaDados)"
-   ]
-  }
- ],
- "metadata": {
-  "kernelspec": {
-   "display_name": "Python 3 (ipykernel)",
-   "language": "python",
-   "name": "python3"
-  },
-  "language_info": {
-   "codemirror_mode": {
-    "name": "ipython",
-    "version": 3
-   },
-   "file_extension": ".py",
-   "mimetype": "text/x-python",
-   "name": "python",
-   "nbconvert_exporter": "python",
-   "pygments_lexer": "ipython3",
-   "version": "3.10.12"
-  }
- },
- "nbformat": 4,
- "nbformat_minor": 5
-}

app.py

@@ -1,5 +1,6 @@
 import carregar
 import processar
+import iniciochuvosa
 
 def mostrar_menu():
     print("Menu:")
@@ -8,6 +9,7 @@ def mostrar_menu():
 
     print("11 - Estacao mais proxima")    
     print("20 - completar valores com -1")   
+    print("30 - Inicio e fim estacao chuvosa")   
     print("0 - Sair")
 
 def main():
@@ -26,7 +28,11 @@ def main():
             carregar.carregar_arquivoxls_mais_proxima()
 
         elif opcao == "20":
-            processar.processar_arquivos()           
+            processar.processar_arquivos()      
+        elif opcao == "30":
+            iniciochuvosa.processar_inicio_fim_estacao_chuvosa()      
+
+                
 
         elif opcao == "0":
             print("Saindo...")

carregar.py

@@ -38,7 +38,7 @@ def carregar_arquivo():
         # Chamar a função
         diretorio = f"./data/{pasta}/dados"
         print(diretorio)
-        output_csv = f"./dados_{pasta}.csv"
+        output_csv = f"./00{pasta}_dados.csv"
         processar_arquivos_txt(diretorio, output_csv)
 
 
@@ -97,12 +97,19 @@ def processar_arquivos_xls2(output_csv):
     df['3p'] = ''
     df['4p'] = ''
     df['5p'] = ''
+    df['6p'] = ''
+    df['7p'] = ''
+
 
     df['1c'] = ''
     df['2c'] = ''
     df['3c'] = ''
     df['4c'] = ''
     df['5c'] = ''
+    df['6c'] = ''
+    df['7c'] = ''
+
+
 
 
     df['LATITUDE'] = pd.to_numeric(df['LATITUDE'], errors='coerce')
@@ -113,20 +120,26 @@ def processar_arquivos_xls2(output_csv):
         lat1, lon1 = row['LATITUDE'], row['LONGITUDE']
         distancias = df.apply(lambda x: calcular_distancia(lat1, lon1, x['LATITUDE'], x['LONGITUDE']), axis=1)
         distancias[i] = np.inf  # Excluir a própria estação
-        proximas = distancias.nsmallest(5).index  # Pegar os índices das três menores distâncias************
+        proximas = distancias.nsmallest(7).index  # Pegar os índices das três menores distâncias************
 
         df.at[i, '1p'] = df.at[proximas[0], 'NOME']
         df.at[i, '2p'] = df.at[proximas[1], 'NOME']
         df.at[i, '3p'] = df.at[proximas[2], 'NOME']
         df.at[i, '4p'] = df.at[proximas[3], 'NOME']
-        df.at[i, '5p'] = df.at[proximas[4], 'NOME']
+        df.at[i, '5p'] = df.at[proximas[4], 'NOME']       
+        df.at[i, '6p'] = df.at[proximas[5], 'NOME']
+        df.at[i, '7p'] = df.at[proximas[6], 'NOME']
+
+
+
 
         df.at[i, '1c'] = df.at[proximas[0], 'CODIGO']
         df.at[i, '2c'] = df.at[proximas[1], 'CODIGO']
         df.at[i, '3c'] = df.at[proximas[2], 'CODIGO']
         df.at[i, '4c'] = df.at[proximas[3], 'CODIGO']
         df.at[i, '5c'] = df.at[proximas[4], 'CODIGO']
-
+        df.at[i, '6c'] = df.at[proximas[5], 'CODIGO']
+        df.at[i, '7c'] = df.at[proximas[6], 'CODIGO']
 
     df.to_csv(output_csv, sep=";", encoding='utf-8', decimal=',', index=False)