-
Notifications
You must be signed in to change notification settings - Fork 3
/
smn.py
201 lines (167 loc) · 7.15 KB
/
smn.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
191
192
193
194
195
196
197
198
199
200
201
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""Scraper de temperaturas y estaciones meteorológicas
Descarga temperaturas máximas y mínimas, mantiene un acumulado con descargas
pasadas y convierte a series de tiempo.
"""
import os
import re
import sys
import pandas as pd
import arrow
import requests
import json
import time
def get_estaciones(url_estaciones, path_est_backup):
"""Lee y mantiene un backup de estaciones meteorológicas."""
estaciones = pd.read_fwf(
url_estaciones, compression="zip", encoding="latin1", skiprows=[1],
dtype={"FECHA": str}
)
try:
estaciones_backup = pd.read_csv(path_est_backup, encoding="utf8",
dtype={"FECHA": str})
estaciones_total = pd.concat(
[estaciones, estaciones_backup]).drop_duplicates()
estaciones_total.to_csv(path_est_backup, encoding="utf8", index=False)
except Exception as e:
print(e)
print("No existía backup de estaciones. Creando el primero...")
estaciones_total = estaciones
estaciones_total.to_csv(path_est_backup, encoding="utf8", index=False)
return estaciones_total
def get_temperaturas(url_temperaturas, path_temp_backup):
"""Lee y mantiene un backup incremental de temperaturas diarias."""
temperaturas = pd.read_fwf(
url_temperaturas, compression="zip", encoding="latin1", skiprows=[2],
header=1, dtype={"FECHA": str})
try:
temperaturas_backup = pd.read_csv(path_temp_backup, encoding="utf8",
dtype={"FECHA": str})
temperaturas_total = pd.concat(
[temperaturas, temperaturas_backup]).drop_duplicates()
temperaturas_total.to_csv(
path_temp_backup, encoding="utf8", index=False)
except Exception as e:
print(e)
print("No existía backup de temperaturas. Creando el primero...")
temperaturas_total = temperaturas
temperaturas_total.to_csv(
path_temp_backup, encoding="utf8", index=False)
return temperaturas_total
def get_temperaturas_estaciones(temperaturas, estaciones):
temperaturas_estaciones = temperaturas.merge(
estaciones[["NOMBRE", "NroOACI"]], on="NOMBRE")[
["FECHA", "TMAX", "TMIN", "NroOACI"]]
temperaturas_estaciones["FECHA"] = temperaturas_estaciones["FECHA"].apply(
lambda x: arrow.get(str(x), "DDMMYYYY").format("YYYY-MM-DD"))
return temperaturas_estaciones
def get_unidades_territoriales(latitud, longitud):
"""Busca unidades territoriales a partir de las coordenadas."""
try:
latitud = ".".join(re.split("\s+", latitud, maxsplit=2))
longitud = ".".join(re.split("\s+", longitud, maxsplit=2))
r = requests.get(
"https://apis.datos.gob.ar/georef/api/ubicacion?lat={lat}&lon={lon}".format(
lat=latitud, lon=longitud))
time.sleep(0.1)
return r.json()["ubicacion"]
except Exception as e:
print(e)
print("No se pudo localizar lat:{} y lon:{}".format(latitud, longitud))
return None
def rename_columns(col, prefix):
if col == "FECHA":
return "indice_tiempo"
else:
return "{}_{}".format(prefix.lower(), col.lower())
def temperatures_panel_to_series(df_panel, field_values="TMAX",
prefix="temperatura_maxima"):
df_series = df_panel.pivot_table(
index="FECHA", values=field_values,
columns="NroOACI"
).reset_index().sort_values("FECHA")
df_series.columns = [
rename_columns(col, prefix)
for col in df_series.columns
]
return df_series
def main(config_path="config.json"):
with open(config_path, "r") as f:
config = json.load(f)
url_estaciones = config["URL_ESTACIONES"]
url_temperaturas = config["URL_TEMPERATURAS"]
path_est_backup = config["PATH_EST_BACKUP"]
path_temp_backup = config["PATH_TEMP_BACKUP"]
path_temp_max = config["PATH_TEMP_MAX"]
path_temp_min = config["PATH_TEMP_MIN"]
path_temp_panel = config["PATH_TEMP_PANEL"]
path_estaciones = config["PATH_ESTACIONES"]
# crea todos los directorios necesarios
for path in [path_est_backup, path_temp_backup, path_temp_max,
path_temp_min, path_temp_panel, path_estaciones]:
os.makedirs(os.path.dirname(path), exist_ok=True)
# 1. LEE Y NORMALIZA ESTACIONES
# -----------------------------
print("Leyendo y normalizando estaciones meteorológicas.")
estaciones = get_estaciones(url_estaciones, path_est_backup)
estaciones_dict = {
row[1]["NroOACI"]: row[1]["NOMBRE"]
for row in estaciones[["NOMBRE", "NroOACI"]].iterrows()
}
# extrae ids y nombres oficiales de provincias y departamentos, para cada
# estación
print("Agregando unidades territoriales normalizadas.")
estaciones["api_georef_ubicacion"] = estaciones.apply(
lambda row: get_unidades_territoriales(
row["LATITUD"], row["LONGITUD"]),
axis=1
)
estaciones["provincia_id"] = estaciones.api_georef_ubicacion.apply(
lambda x: x["provincia"]["id"] if x else None)
estaciones["provincia_nombre"] = estaciones.api_georef_ubicacion.apply(
lambda x: x["provincia"]["nombre"] if x else None)
estaciones["departamento_id"] = estaciones.api_georef_ubicacion.apply(
lambda x: x["departamento"]["id"] if x else None)
estaciones["departamento_nombre"] = estaciones.api_georef_ubicacion.apply(
lambda x: x["departamento"]["nombre"] if x else None)
estaciones_normalizado = estaciones.drop(columns=[
"api_georef_ubicacion", "PROVINCIA"
]).rename(columns={
"NOMBRE": "estacion_nombre",
"LATITUD": "estacion_latitud",
"LONGITUD": "estacion_longitud",
"ALTURA": "estacion_altura",
"NRO": "estacion_id",
"NroOACI": "estacion_oaci_id"
})
estaciones_normalizado.to_csv(
path_estaciones, encoding="utf8", index=False, float_format='%.0f')
# 2. LEE Y NORMALIZA TEMPERATURAS
# -----------------------------
print("Leyendo y normalizando temperaturas.")
temperaturas = get_temperaturas(url_temperaturas, path_temp_backup)
temperaturas_estaciones = get_temperaturas_estaciones(
temperaturas, estaciones
)
# crea panel normalizado de temperaturas
temperaturas_normalizado = temperaturas_estaciones.rename(columns={
"FECHA": "fecha",
"TMAX": "temperatura_maxima",
"TMIN": "temperatura_minima",
"NroOACI": "estacion_oaci_id"
})
temperaturas_normalizado.to_csv(
path_temp_panel, encoding="utf8", index=False)
# 3. CONVIERTE TEMPERATURAS A FORMATO DE SERIES
# -----------------------------
print("Convirtiendo a series de tiempo.")
temp_max_series = temperatures_panel_to_series(
temperaturas_estaciones, "TMAX", "temperatura_maxima")
temp_min_series = temperatures_panel_to_series(
temperaturas_estaciones, "TMIN", "temperatura_minima")
temp_max_series.to_csv(path_temp_max, encoding="utf8", index=False)
temp_min_series.to_csv(path_temp_min, encoding="utf8", index=False)
print("Terminado.")
if __name__ == '__main__':
main(*sys.argv[1:])