forked from javieragebhardt/Optimizacion-Bodegas-G16
-
Notifications
You must be signed in to change notification settings - Fork 0
/
construccion_datos.py
190 lines (155 loc) · 7.52 KB
/
construccion_datos.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
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
import pandas as pd
import json
import pyproj
import copy
class ConstruccionDatos:
def __init__(self, modelo, tipo_d, proy):
self.d = dict()
self.modelo = modelo
self.tipo_d = tipo_d
self.proy = proy
if not self.proy:
nombre_bdd = "BDD_Bodegas_Categorizada.xlsx"
else:
nombre_bdd = "BDD_Bodegas_Categorizada_proy.xlsx"
# Importación base de datos
self.bdd_ventas = pd.read_excel(nombre_bdd)
self.bdd_bodegas = pd.read_excel("BDD_Bodegas.xlsx", sheet_name=2)
self.bdd_comunas = pd.read_excel("BDD_Bodegas.xlsx", sheet_name=3)
# Pasamos la columna de fechas a formato de fechas
self.bdd_ventas['Fecha'] = pd.to_datetime(self.bdd_ventas['Fecha'])
# Agrupación de ventas por cliente y completar comuna
self.bdd_ventas_agrupadas = self.bdd_ventas.groupby("ID Cliente").agg({"Cantidad": "sum", "Comuna Despacho": "first", 'ID Bodega Despacho': 'first', 'Categoria': 'first'}).reset_index()
self.bdd_ventas_agrupadas = self.bdd_ventas_agrupadas.merge(self.bdd_comunas, left_on='Comuna Despacho', right_on='Comuna')
self.bdd_ventas_agrupadas = self.bdd_ventas_agrupadas[self.bdd_ventas_agrupadas["Cantidad"] != 0] #TODO revisar
# Armamos los diccionarios
self.dict_bodegas = self.bdd_bodegas.set_index('ID Bodega')[['LAT', 'LONG']].to_dict(orient='index')
self.dict_ventas = self.bdd_ventas_agrupadas.set_index('ID Cliente')[['Cantidad', 'Comuna Despacho', 'LAT', 'LON', 'ID Bodega Despacho', 'Categoria']].to_dict(orient='index')
# Parametros
self.I = list(self.dict_ventas.keys())
if modelo == 'aloc':
self.J = [8, 4, 1]
else:
self.J = list(self.dict_bodegas.keys())
self.h = self.bdd_ventas_agrupadas.set_index('ID Cliente')['Cantidad'].to_dict()
if self.tipo_d == 'manhattan':
self.manhattan()
elif self.tipo_d == 'mapbox':
self.mapbox()
self.generar_a()
self.generar_m()
self.generar_n()
self.generar_ns_c_ipp_ip()
def calcular_coordenadas_xy_2(self, lat, lon):
transformer = pyproj.Transformer.from_crs("epsg:20040", "epsg:20049", always_xy=True)
x, y = transformer.transform(lon, lat)
return [x/1000, y/1000]
def calcular_xy_coordenadas_2(self, x, y):
transformer = pyproj.Transformer.from_crs("epsg:20049", "epsg:20040", always_xy=True)
lon, lat = transformer.transform(x * 1000, y * 1000)
return [lon, lat]
def generar_a(self):
self.a = dict()
for cliente in self.dict_ventas.keys():
self.a[cliente] = self.calcular_coordenadas_xy_2(self.dict_ventas[cliente]['LAT'], self.dict_ventas[cliente]['LON'])
def manhattan(self):
nombre_archivo = 'd_manhattan.json'
if self.proy:
nombre_archivo = 'd_manhattan_proy.json'
with open(nombre_archivo, 'r') as archivo_json:
d_Manhattan = json.load(archivo_json)
self.d = {int(k1): {int(k2): v2 for k2, v2 in v1.items()} for k1, v1 in d_Manhattan.items()}
def mapbox(self):
distancias_en_red = pd.read_excel("distancias_comunas_bodegas_mapbox.xlsx")
distancias_en_red = distancias_en_red.replace(0, 0.0001)
for i in self.dict_ventas.keys():
data_dict = dict()
comuna = self.dict_ventas[i]['Comuna Despacho']
bodegas_comuna = distancias_en_red[distancias_en_red['Unnamed: 0']== comuna]
data_dict = bodegas_comuna.set_index('Unnamed: 0').squeeze().to_dict()
self.d[i] = data_dict
with open('rutas.json', 'r') as archivo_json:
data = json.load(archivo_json)
# Convierte los índices de bodegas a enteros
self.rutas = {
comuna: {int(id_bodega): coordenadas for id_bodega, coordenadas in bodegas.items()}
for comuna, bodegas in data.items()
}
def generar_m(self):
# Diccionario M para almacenar las distancias máximas
error_2 = 13
self.M = {}
# Bucle para cada cliente
for i in self.dict_ventas.keys():
max_distance = 0 # Inicializa la distancia máxima para el cliente i
# Bucle para todas las bodegas
for j in self.dict_bodegas.keys():
# Calcula la distancia entre el cliente i y la bodega j
distance = self.d[i][j]
# Actualiza la distancia máxima si es mayor
if distance > max_distance:
max_distance = distance
# Almacena la distancia máxima para el cliente i en el diccionario M
self.M[i] = max_distance + (max_distance*error_2) #Acá podríamos darle un margen 1% del maximo este caso
# No se si quieren redondear tmb round(max_distance + max_distance*0.01, 2)
def generar_n(self):
# Diccionario N para almacenar las distancias máximas
error = 0
self.N = {}
# Bucle para cada cliente
for i in self.dict_ventas.keys():
max_distance = 0 # Inicializa la distancia máxima para el cliente i
# Bucle para todas las bodegas
for j in self.dict_bodegas.keys():
# Calcula la distancia entre el cliente i y la bodega j
distance = self.d[i][j]
# Actualiza la distancia máxima si es mayor
if distance > max_distance:
max_distance = distance
# Almacena la distancia máxima para el cliente i en el diccionario M
self.N[i] = max_distance + (max_distance*error) #Acá podríamos darle un margen 1% del maximo este caso
# No se si quieren redondear tmb round(max_distance + max_distance*0.01, 2)
def generar_ns_c_ipp_ip(self):
self.ns = dict()
for cliente in self.dict_ventas.keys():
if self.dict_ventas[cliente]['Categoria'] == 'Premium':
self.ns[cliente] = 12 * 45
elif self.dict_ventas[cliente]['Categoria'] == 'Gold':
self.ns[cliente] = 24 * 45
else:
self.ns[cliente] = 48 * 45
## Diccionario pre-asignaciones
self.ipp = list()
self.ip = list()
self.c = dict()
# Latitudes bodegas LAP 20% GAP
if self.proy or True:
n1 = 27.034
n2 = 31.62
c1 = 35.316
c2 = 32.885
s1 = 36.411
s2 = 42.607
else:
n1 = 27.034
n2 = 32.52
c1 = 35.635
c2 = 32.718
s1 = 36.11
s2 = 42.607
prom_lat_norte = (-n1 -n2)/2
prom_lat_centro = (-c1 - c2)/2
prom_lat_sur = (-s1 - s2)/2
for cliente in self.dict_ventas.keys():
lat = self.dict_ventas[cliente]['LAT']
if lat > prom_lat_norte - 1:
self.ip.append(cliente)
self.c[cliente] = {8:0 , 4:0, 1:1}
elif lat < prom_lat_sur + 2:
self.ip.append(cliente)
self.c[cliente] = {8:1 , 4:0, 1:0}
elif lat < (prom_lat_centro + 0.35*(c1 - c2)) and lat > (prom_lat_centro - 0.35*(c1 - c2)):
self.ip.append(cliente)
self.c[cliente] = {8:0 , 4:1, 1:0}
else:
self.ipp.append(cliente)