import os import pandas as pd import numpy as np from time import sleep def deletar_arquivo_gerado(): print("deltando arquivo...") diretorio = 'data' # nome da pasta principal pastas = listar_pastas(diretorio) for pasta in pastas: print(f"Encontrada pasta: {pasta}") output_csv = f"./{pasta}.csv" deletar_arquivo(output_csv) def deletar_arquivo(caminho_arquivo): try: os.remove(caminho_arquivo) print(f"Arquivo {caminho_arquivo} deletado com sucesso.") except FileNotFoundError: print(f"O arquivo {caminho_arquivo} não foi encontrado.") except PermissionError: print(f"Sem permissão para deletar o arquivo {caminho_arquivo}.") except Exception as e: print(f"Ocorreu um erro ao tentar deletar o arquivo {caminho_arquivo}: {e}") def carregar_arquivo(): print("Carregando arquivo...") diretorio = 'data' # nome da pasta principal if not os.path.exists(diretorio): # Verifica se a pasta existe print("Erro: A pasta 'data' não existe. Verifique e tente novamente.") return # Encerra a função pastas = listar_pastas(diretorio) for pasta in pastas: print(f"Encontrada pasta: {pasta}") # Chamar a função diretorio = f"./data/{pasta}/dados" print(diretorio) output_csv = f"./{pasta}_dados.csv" processar_arquivos_txt(diretorio, output_csv) def listar_pastas(diretorio): pastas = [nome for nome in os.listdir(diretorio) if os.path.isdir(os.path.join(diretorio, nome))] return pastas def carregar_arquivoxls_mais_proxima(): print("Carregando arquivo...") print("TEM QUE ABRIR O ARQUIVOB E VERIFICAS AS COORDENADAS...") diretorio = 'data' # nome da pasta principal destino= "11estacaoproxima" if not os.path.exists(destino): os.makedirs(destino) print(f"Pasta '{destino}' criada.") pastas = listar_pastas(diretorio) for pasta in pastas: print(f"Encontrada pasta: {pasta}") diretorio = f"./data/{pasta}/{pasta}.xls" output_csv = f"./{destino}/proxima_{pasta}.csv" processar_arquivos_xls(diretorio, output_csv) print(output_csv) sleep(3) processar_arquivos_xls10(output_csv) # Função para calcular a distância euclidiana def calcular_distancia(lat1, lon1, lat2, lon2): return np.sqrt((lat1 - lat2) ** 2 + (lon1 - lon2) ** 2) def processar_arquivos_xls(arquivo, output_csv): db = pd.read_excel(arquivo, decimal='.') #LENDO PONTO db.columns = db.columns.str.strip() df = pd.DataFrame() # Verificar a existência das colunas antes de acessar if 'CODIGO' in db.columns and 'LATITUDE' in db.columns and 'LONGITUDE' in db.columns and 'NOME' in db.columns: df['CODIGO'] = db['CODIGO'] df['LATITUDE'] = db['LATITUDE'] df['LONGITUDE'] = db['LONGITUDE'] df['NOME'] = db['NOME'] else: print("Uma ou mais colunas esperadas não estão presentes no DataFrame.") df.to_csv(output_csv, sep=";", encoding='utf-8', decimal='.', index=False) def processar_arquivos_xls10(output_csv): df = pd.read_csv(output_csv, encoding='utf-8', sep=';', decimal='.') # Criar dinamicamente as colunas de nomes e códigos # Verificar quantas estações únicas existem codigos_unicos = df['CODIGO'].dropna().unique() qtd_estacoes = len(codigos_unicos) # Se tiver mais de 10 estações únicas, limitar a 10 QTD = min(qtd_estacoes, 10) print(f"Estações únicas encontradas: {qtd_estacoes}") print(f"QTD definido para análise de vizinhança: {QTD}") for i in range(1, QTD ): df[f'{i}p'] = '' df[f'{i}c'] = '' df['LATITUDE'] = pd.to_numeric(df['LATITUDE'], errors='coerce') df['LONGITUDE'] = pd.to_numeric(df['LONGITUDE'], errors='coerce') # Iterar sobre cada linha para encontrar as três estações mais próximas for i, row in df.iterrows(): 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(QTD).index # Pegar os índices das três menores distâncias************ for j in range(QTD): df.at[i, f'{j+1}p'] = str(df.at[proximas[j], 'NOME']) df.at[i, f'{j+1}c'] = str(int(df.at[proximas[j], 'CODIGO'])) df.to_csv(output_csv, sep=";", encoding='utf-8', decimal=',', index=False) def processar_arquivos_txt(diretorio, output_csv): # Lista para armazenar os DataFrames lista_dfs = [] destino= "01processados" if not os.path.exists(destino): os.makedirs(destino) print(f"Pasta '{destino}' criada.") # Percorrer todos os arquivos no diretório for arquivo in os.listdir(diretorio): if arquivo.endswith(".txt"): # Caminho completo do arquivo caminho_arquivo = os.path.join(diretorio, arquivo) # Nome do código a partir do nome do arquivo (sem a extensão .txt) codigo = arquivo.split('.')[0] print(f"Processando arquivo: {codigo}") # Leitura do arquivo txt df = pd.read_csv(caminho_arquivo, delim_whitespace=True, header=None) # Renomear colunas df.columns = ['Dia', 'Mes', 'Ano', 'Valor'] # Criar coluna de data a partir das colunas Dia, Mes, Ano df['Data'] = pd.to_datetime(df['Ano'].astype(str) + '-' + df['Mes'].astype(str) + '-' + df['Dia'].astype(str), errors='coerce') df = df.drop(columns=['Dia', 'Mes', 'Ano']) # Selecionar colunas necessárias e adicionar a coluna Código df_final = df[['Data', 'Valor']].copy() df_final['Codigo'] = codigo # Reordenar as colunas df_final = df_final[['Codigo', 'Data', 'Valor']] # Adicionar o DataFrame processado à lista lista_dfs.append(df_final) # Concatenar todos os DataFrames em um único DataFrame df_resultado = pd.concat(lista_dfs, ignore_index=True) # Salvar o DataFrame em um arquivo CSV df_resultado.columns = df_resultado.columns.str.upper() output_csv = os.path.join(destino, output_csv) df_resultado.to_csv(output_csv, index=False, sep=";", decimal=",") print(f"Dados salvos em {output_csv}")