putro/openlamb
1
0
Fork 0
Code Issues Pull Requests Releases Wiki Activity

read zipped csv files

Browse Source
This commit is contained in:
putro 2020-04-12 18:07:51 +02:00
parent df4010a2cf
commit 53eb9ff835
2 changed files with 7 additions and 7 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

11
README
View File

@ -26,19 +26,20 @@ sensori_aria_2017.zip - 13M
sensori_aria_2018.zip - 13M
sensori_aria_2019.zip - 13M
per visualizzarne i dati e' necessario scaricare l'intero file.
per visualizzarne i dati e' necessario scaricare l'intero file e posizionarlo in una cartella, che di default e' csv/
ma puo' essere modificata nel file openlamb.py
non decomprimere i file zippati, vengono letti compressi.
Quindi per l'analisi dei dati recenti e' piu' comodo lavorare con i dataset, per analisi storiche invece bisogna usare i csv
i csv vanno scaricati manualmente (per ora) e messi nella cartella csv o in una cartella a scelta modificando il percorso specificato nel file openlamb.py
sintassi:
python openlamb.py --dataset 2018 2019 --sensori 6956 10320
mostra i grafico per il dataset degli anni 2018 e 2019 per i sensori indicati
python openlamb.py --csv 2018.csv 2019.csv --sensori 6956 10320
python openlamb.py --csv sensori_aria_2018.zip sensori_aria_2019.zip --sensori 6956 10320
mostra i grafico dei dati contenuti nei file 2018.csv e 2019.csv per i sensori indicati
python openlamb.py --dataset 2019 --csv 2019.csv --sensori 6956
python openlamb.py --dataset 2019 --csv sensori_aria_2019.zip --sensori 6956
mostra il grafico del confronto dei dati nel dataset e nel file csv per il sensore indicato

3
openlamb.py
View File

@ -94,7 +94,7 @@ def plot_dataframe(dataframe):
def list_of_csv_files(dir_name):
saved = getcwd()
os.chdir(dir_name)
filelist = glob.glob('*.csv')
filelist = glob.glob('*.zip')
chdir(saved)
return filelist
@ -136,7 +136,6 @@ def main():
import stazioni
s = stazioni.get_stazioni()
for sensore in datamerged.columns[1:]:
print(sensore)
location = s.loc[s['idsensore'] == sensore.split("-")[0], 'nomestazione'].iloc[0]
print('Valore medio per il sensore %s %s: %s' % (sensore, location, datamerged[sensore].mean().round(1)))
plot_dataframe(datamerged)