-
Notifications
You must be signed in to change notification settings - Fork 0
/
teste_arlan.py
166 lines (151 loc) · 7.33 KB
/
teste_arlan.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
# Arlan Scortegagna - fevereiro/2020
# Instalei o psycopg2 no ambiente "uhepc" atraves do comando: "conda install -n uhepc psycopg2"
# Esse arquivo tem por objetivo gerar os arquivos de previsão de chuva "prevcmb_id.txt"
from datetime import date, timedelta
import pandas as pd
import psycopg2
from psycopg2 import extras
def PeriodoConsulta(arqdata = '/discolocal/bruno/SPAupc/data.txt'):
""" Retorna em formato da classe 'date' a data lida na segunda linha do arquivo fornecido é função, e a data no
décimo dia anterior a esta. """
from datetime import date, timedelta
f = open(arqdata,'r')
l = f.readlines()
f.close()
dn = date(int(l[1][0:4]), int(l[1][5:7]), int(l[1][8:10])) #l[1] é a segunda linha
d0 = dn - timedelta(days = 10)
print ('\n Janela de dados: %s a %s\n' % (d0,dn))
return d0, dn
d0, hoje = PeriodoConsulta()
dprev0 = hoje + timedelta(days=1)
dprevN = hoje + timedelta(days=14)
dprevN
Bacias = {
'1' : ['295','Gavião II'],
'2' : ['296','Riachão do Jacuípe'],
'3' : ['297','Ponte Rio Branco'],
'4' : ['298','Ponte Paratigi'],
'5' : ['299','Itaetê'],
'6' : ['300','Iaçu'],
'7' : ['301','Fazenda Santa Fé'],
'8' : ['302','Ponte Paraguaçu'],
'9' : ['303','UHE Pedra do Cavalo']
}
print('===================================================================\n')
print(' !!!!!!!!!!!!!! INTERVENÇÃO ARLAN (fev/2020) !!!!!!!!!!!!!!! ')
print('\n===================================================================')
for id in Bacias.keys():
id_vmhidro = id
id_banco = Bacias[id_vmhidro][0]
print(id_banco)
nome = Bacias[id_vmhidro][1]
print('Gerando arquivo de previsão de chuva para bacia {}'.format(nome))
texto_psql = str('''
select daidate, daivalue
from daily, customerlocationexp
where dailocationid = {} and customid = 6 and daisourceid = 3
and dairuntime = '{}'
order by dailocationid, daidate
'''.format(id_banco, dprev0.isoformat() ))
conn = psycopg2.connect(dbname='forecastdev', user='reader', password='r&ead3r', host='vmpostgres-master', port='5432')
consulta = conn.cursor(cursor_factory = psycopg2.extras.DictCursor)
consulta.execute( texto_psql )
fout = open( '/discolocal/bruno/SPAupc/prevcmb_{}.txt'.format(id_vmhidro) , 'w')
datas_sql = []
for row in consulta.fetchall():
nova_data = row[0]
novo_valor = row[1]['precIntensity']
if (nova_data in datas_sql) or (nova_data > dprevN):
continue
else:
print(nova_data)
datas_sql.append(nova_data)
fout.write('%4i %2.2i %2.2i %8.2f\n' % (nova_data.year, nova_data.month, nova_data.day, novo_valor))
fout.close()
print('===================================================================\n')
print(' !!!!!!!!!!!!!!!!!!!! FIM DA INTERVENÇÃO !!!!!!!!!!!!!!!!!!!! ')
print('\n===================================================================')
print('===================================================================\n')
print(' !!!!!!!!!!!!!! ALTERAÇÃO BRUNO (nov/2020) !!!!!!!!!!!!!!! ')
print('\n===================================================================')
dates = pd.date_range(dprev0,dprevN)
CMB_prev = []
CMB_datas = []
#Solicita entrada de previsoes para 14 dias
for data in range(len(dates)):
data_prev = dates[data]
chuva_prev = None
while chuva_prev is None:
try:
chuva_prev = float(
input("Entre com a Chuva Média na Bacia (mm/d) para o dia " +
str(data_prev.date()) + ":" +" [Exemplo: 5.7]"))
except ValueError:
print("Valor não reconhecido.")
CMB_prev.append(chuva_prev)
previsao_cmb = {'Data':dates, 'CMB_prev':CMB_prev}
df_previsao = pd.DataFrame(previsao_cmb)
df_previsao['Data']
df_previsao = df_previsao.set_index('Data')
for id in Bacias.keys():
id_vmhidro = id
id_banco = Bacias[id_vmhidro][0]
nome = Bacias[id_vmhidro][1]
#Le previsao do banco de dados
previsao_banco = pd.read_csv('/discolocal/bruno/SPAupc/prevcmb_{}.txt'.format(id_vmhidro), header = None)
pd.read_csv('/simepar/hidro/SPAupc/Operacao/14d_Prev_CMB/prevcmb_{}.txt'.format(id_vmhidro), header = None, delim_whitespace = True)
previsao_banco['year'] = previsao_banco[0].str.slice(0,4)
previsao_banco['month'] = previsao_banco[0].str.slice(5,7)
previsao_banco['day'] = previsao_banco[0].str.slice(8,10)
previsao_banco['CMB_prev'] = pd.to_numeric(previsao_banco[0].str.slice(11,21),
downcast = "float", errors = 'coerce')
previsao_banco["Data"] = pd.to_datetime(previsao_banco[["year", "month", "day"]])
previsao_banco = previsao_banco.set_index('Data')
previsao_banco = previsao_banco.drop([0, 'year', 'month', 'day'], 1)
#Atualiza previsao 14 dias com previsao mais recente do banco
previsao_concat = df_previsao
previsao_concat.update(previsao_banco['CMB_prev'])
exporta = open( '/discolocal/bruno/SPAupc/prevcmb_{}.txt'.format(id_vmhidro) , 'w')
exporta.close()
exporta2 = open( '/discolocal/bruno/SPAupc/prevcmb_{}.txt'.format(id_vmhidro) , 'a')
for i in range(len(previsao_concat)):
exporta2.write('%4i %2.2i %2.2i %8.2f\n' %
(previsao_concat.index.year[i],previsao_concat.index.month[i],
previsao_concat.index.day[i], previsao_concat['CMB_prev'][i]))
exporta2.close()
print('\nBacia {} atualizada!'.format(nome))
print('===================================================================\n')
print(' !!!!!!!!!!!!!! FIM ALTERACAO BRUNO (nov/2020) !!!!!!!!!!!!!!! ')
print('\n===================================================================')
for id in Bacias.keys():
id_vmhidro = id
id_banco = Bacias[id_vmhidro][0]
print('\n' + id_banco)
nome = Bacias[id_vmhidro][1]
print('Gerando arquivo de previsão de chuva para bacia {}'.format(nome))
texto_psql = str('''
select daidate, daivalue
from daily, customerlocationexp
where dailocationid = {} and customid = 6 and daisourceid = 3
and dairuntime = '{}'
order by dailocationid, daidate
'''.format(id_banco, dprev0.isoformat() ))
conn = psycopg2.connect(dbname='forecastdev', user='reader', password='r&ead3r', host='vmpostgres-master', port='5432')
consulta = conn.cursor(cursor_factory = psycopg2.extras.DictCursor)
consulta.execute( texto_psql )
fout = open( '/simepar/hidro/SPAupc/Operacao/14d_Prev_CMB/prevcmb_{}.txt'.format(id_vmhidro) , 'w')
datas_sql = []
for row in consulta.fetchall():
nova_data = row[0]
novo_valor = row[1]['precIntensity']
if (nova_data in datas_sql) or (nova_data > dprevN):
continue
else:
print(nova_data)
datas_sql.append(nova_data)
fout.write('%4i %2.2i %2.2i %8.2f\n' % (nova_data.year, nova_data.month, nova_data.day, novo_valor))
print('\nPRONTO!')
print('AGORA É REZAR PRA NÃO DAR CONFLITO...\n')
print('===================================================================\n')
print(' !!!!!!!!!!!!!!!!!!!! FIM DA INTERVENÇÃO !!!!!!!!!!!!!!!!!!!! ')
print('\n===================================================================')