L'anno scorso ho comprato degli igrometri di una non meglio identificata marca cinese, Oria.
Devo dire che per il prezzo funzionano bene, semplici da utilizzare ed esteticamente piacevoli.
Ne ho presi sei e li ho utilizzati per monitorare la temperatura ambientale in alcune stanze di casa mia.
Principalmente mi interessava sperimentare nell'implementazione di procedure ETL di Estrazione Traduzione e Load.
Secondariamente volevo vedere quanto potessero differire le temperature rilevate all'interno rispetto a quelle rilevate sui terrazzi.
Gli igrometri Oria rilevano temperatura (°C) e umidità relativa (%) ogni 10 minuti. Li ho utilizzati da Marzo a Dicembre 2023.
Il funzionamento non era chiarissimo, le istruzioni erano in cinese e il trasferimento delle informazioni avviene tramite app sul telefono via bluetooth con una sincronizzazione non molto ben studiata.
Sintesi: i dati non sono di qualità, a tratti mancanti per via di iniziali problemi con le batterie dei dispositivi.
L'app forniva appunto una scomodissima funzione di export in csv che potevi poi mandare alla email. Ho sviluppato una funzione di Estrazione Traduzione e Load dei dati in file di output csv; sfrutto librerie Pandas, Datetime e Glob per l'accesso ai dati su disco in base a parametri definiti.
La funzione ETL cicla sopra i file in cartella contenente csv ottenuti da igrometri, estrae i dati, concatena i dataframe, modifica nomi, tipi e ordine colonne ed esporta un csv.
- Ho importato i csv su dataframe Pandas sfruttando libreria Glob
- Ho modificato i dtypes per avere:
- Temperatura: float64
- Umidità: float64
- Data: datetime64[ns]
- Creo file di log ad ogni passaggio
- Esporto le informaizoni in file .csv
- Matplotlib per plottare i dati
Ho utilizzato principalmente dati ottenuti tramite moving average, essendo infatti dati puntuali ogni 10 minuti ho trovato più indicato sintetizzarli in una media mobile differente a seconda del tipo di analisi - di solito media mobile di 1 ora, 12 ore e 24 ore.
- Media mobile 1 giorno
- Tutte le stanze in grafico a linea
- x = tempo, y = temperatura °C
- Media mobile 1 giorno
- Tutte le stanze in grafici multipli
- Messa a confronto con la temperatura media di tutte le stanze
- x = tempo, y = temperatura °C
Osservazione: non ha troppo senso mettere a media l'esterno con l'interno, però risulta evidente che i balconi sono quelli che si distaccano di più dalla media.
- Media mobile 1 giorno
- Tutte le stanze in grafici multipli
- Messa a confronto con la percentuali medie di tutte le stanze
- x = tempo, y = umidità %
- Media mobile 1 ora / Media mobile 12 ore
- Interno (soggiorno), esterno (balcone est)
- x = tempo, y = percentuale di variazione
Osservazione: è ovvio, ma cmq interessante visualizzare come l'escursione di temperatura sia maggiore all'esterno rispetto che all'interno.
- Media mobile 12 ore
- Interno (soggiorno), esterno (balcone est)
- x = tempo, y = temperatura °C
- Media mobile 24 ore
- Media mobile 1 ora
- x = tempo, y = temperatura °C
Con Tableau ho impostato una calendar heatmap delle varie stanze per vedere la distribuzione delle temperature medie nelle varie stanze durante l'anno.
