-
Notifications
You must be signed in to change notification settings - Fork 5
/
alkemy.py
187 lines (170 loc) · 8.36 KB
/
alkemy.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
# Importando librerías
import logging
from decouple import config
from datetime import datetime
import os
from pathlib import Path
from os.path import isdir
from os.path import abspath
from shutil import rmtree
import pyprojroot
import pyhere
import requests as req
from sqlalchemy import create_engine as ce
import numpy as np
import pandas as pd
now = datetime.now()
mes = now.strftime('%Y-%B')
today = now.strftime('%d-%m-%Y')
logging.basicConfig(
format = '%(asctime)-5s %(name)-15s %(levelname)-8s %(message)s',
level=logging.DEBUG,
filename='alkemy.log',
encoding="utf-8"
)
def create_data():
"""
Crear carpeta raíz del proyecto
"""
if not isdir('data'):
logging.error('No existe la carpeta ./data/')
os.mkdir('data')
logging.info('Carpeta creada')
else:
logging.info('La carpeta está disponible')
def downloads(file_link, art_venue):
"""
Descargar los archivos fuentes
"""
logging.info(f'Descargando {art_venue}')
data_dir = pyprojroot.here('data')
os.chdir(str(data_dir))
with req.get(str(file_link)) as rq:
if isdir(str(art_venue)):
rmtree(str(art_venue))
os.makedirs(os.path.join(data_dir, str(art_venue), str(mes)))
os.chdir(os.path.join(data_dir, str(art_venue), str(mes)))
with open(f'{str(art_venue)}-{str(today)}.csv', 'wb') as file:
file.write(rq.content)
logging.info(f'categoría {art_venue} descargada')
def manipulation_sql():
"""
Es para manipular los datos descargados, alzarlos a una tabla sql y mostrar resultados en consola
"""
try:
pg_engine = ce(config('engine_psql'))
logging.info("Conexión exitosa.")
connection = pg_engine.raw_connection()
cursor = connection.cursor()
cursor.execute("SELECT version()")
row = cursor.fetchone()
logging.info("Versión del servidor de PostgreSQL: {}".format(row))
os.chdir(str(pyhere.here().resolve()))
with open(str(abspath('table_create.sql')), 'r', encoding='utf-8') as myfile:
tc = myfile.read()
cursor.execute(tc)
logging.info("Tabla creada")
sql = '''INSERT INTO alkemy (cod_localidad, id_provincia, id_departamento, categoría, provincia, localidad, nombre, domicilio, código_postal, codigo_tel, teléfono, mail, web, fuente)
VALUES
(%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)'''
files = Path(str(pyprojroot.here('data'))).glob("**/*.csv")
for f in files:
logging.info(f)
data = pd.read_csv(f,header = 0, sep = ',')
# Manipulando datos
logging.info('Manipulando datos y borrando columnas que no usaré')
if 'Observacion' in data.columns:
data = data.drop(['Observacion'], axis=1)
if 'Observaciones' in data.columns:
data = data.drop(['Observaciones'], axis=1)
if 'departamento' in data.columns:
data = data.drop(['departamento'], axis=1)
if 'Subcategoria' in data.columns:
data = data.drop(['Subcategoria'], axis=1)
if 'subcategoria' in data.columns:
data = data.drop(['subcategoria'], axis=1)
if 'Departamento' in data.columns:
data = data.drop(['Departamento'], axis=1)
data = data.rename(columns={data.columns[0]: 'cod_localidad', data.columns[1]: 'id_provincia', data.columns[2]: 'id_departamento',
data.columns[3]: 'categoría', data.columns[4]: 'provincia', data.columns[5]: 'localidad',
data.columns[6]: 'nombre', data.columns[7]: 'domicilio', data.columns[8]: 'estas_filas',
data.columns[9]: 'código_postal', data.columns[10]: 'codigo_tel', data.columns[11]: 'teléfono',
data.columns[12]: 'mail', data.columns[13]: 'web', data.columns[14]: 'las_voy',
data.columns[15]: 'a_borrar', data.columns[16]: 'porque_no', data.columns[17]: 'las_usaré', data.columns[18]: 'fuente',}
)
# Limpiando datos
logging.info('Limpiando datos y ordenando')
data = data.replace(['s/d'], np.nan)
data = data.replace(['Gobierno de la provincia'], ['Gobierno de la Provincia'])
data = data.replace(['Gob. Pcia.'], ['Gobierno de la Provincia'])
data = data.replace(['RCC- Córdoba'], ['RCC'])
data = data.replace(['Santa Fé'], ['Santa Fe'])
data = data.replace(['Tierra del Fuego, Antártida e Islas del Atlántico Sur'], ['Tierra del Fuego'])
data = data.replace(['Ciudad Autónoma de Buenos Aires'], ['Capital Federal'])
data = data.replace(['Espacios de Exhibición Patrimonial'], ['Museos'])
data = data.drop(['estas_filas', 'las_voy', 'a_borrar', 'porque_no', 'las_usaré'], axis=1)
data.provincia = data.provincia.str.strip() # Había espacios en blanco surtidos
data.categoría = data.categoría.str.strip()
data = data.iloc[:, :14]
logging.info('Hacer insert into * from alkemy')
list_data = data.values.tolist()
cursor.executemany(sql, list_data)
connection.commit()
logging.info('archivo agregado a la tabla')
except Exception as ex:
logging.error("Error durante la conexión: {}".format(ex))
else:
logging.info('Preparando tabla alkemy para consultas')
df = pd.read_sql_table("alkemy", pg_engine)
cat_count_df = df.groupby(['categoría'])['categoría'].count()
fuente_count_df = df.groupby(['fuente'])['fuente'].count().sort_values(ascending=0)
province_df = df.groupby(['provincia','categoría']).size().reset_index(name='total').sort_values('provincia', ascending=1)
logging.info('Imprimir dataframes')
with pd.option_context('display.max_rows', None, 'display.max_columns', None, 'display.precision', 3):
show_table = 0
butter = [str(cat_count_df), str(fuente_count_df), str(province_df)]
print(".·-=-·." * 11)
while show_table < len(butter):
print('Cantidades Totales')
print("-" * 11)
print(butter[show_table])
print(".·-=-·." * 11)
show_table += 1
finally:
pg_engine.dispose()
logging.info("La conexión ha finalizado.")
def cine():
"""
Tabla exclusiva de cine para mostrar cantidades de pantallas, butacas y disponibilidad de espacios INCAA
"""
logging.info('Creando tabla de cine')
dir_cine = Path(str(pyprojroot.here('data').joinpath('cine'))).glob("**/*.csv")
for buscar_cine in dir_cine:
df_cine = pd.read_csv(buscar_cine, header = 0, sep = ',')
df_cine.columns = df_cine.columns.str.lower()
df_cine.espacio_incaa = df_cine.espacio_incaa.replace(['0'], np.nan)
df_cine.espacio_incaa = df_cine.espacio_incaa.fillna('No')
df_cine.espacio_incaa = df_cine.espacio_incaa.str.lower()
df_cine = df_cine.replace(['Ciudad Autónoma de Buenos Aires'], ['Capital Federal'])
df_cine.provincia = df_cine.provincia.str.strip()
espacios = df_cine.groupby(['provincia'])['espacio_incaa'].apply(lambda x: x[x == 'si'].count()).reset_index(name='espacios INCAA').sort_values('provincia', ascending=1)
cine_table = df_cine.groupby(['provincia']).aggregate({'pantallas':'sum','butacas':'sum'}).sort_values('provincia', ascending=1)
cine_table = cine_table.merge(espacios, on='provincia')
with pd.option_context('display.max_rows', None, 'display.max_columns', None, 'display.precision', 3):
print('Tabla de Salas de Cine')
print("-" * 11)
print(cine_table)
print(".·-=-·." * 10)
logging.info('Tabla de cine impresa')
def run():
print('Hola, estoy cargando datos')
logging.info('Inicio de ejecución del programa')
create_data()
downloads(config('museo_link'), 'museos')
downloads(config('cine_link'), 'cine')
downloads(config('biblioteca_link'), 'biblioteca')
manipulation_sql()
cine()
logging.info('Fin de la ejecución y cierre del programa')
if __name__ == '__main__':
run()