import psycopg2 import pandas as pd import numpy as np import traceback from datetime import datetime, timedelta import plotly.express as px import os import ftplib import smtplib import ssl import random, string import plotly.graph_objects as go import pymysql import pymysql.cursors import time import psycopg2 #insertar datos a la base de datos local def loadtosql(table, data): start_time2 = time.time() connection = pymysql.connect(host='82.163.176.111', user='mgmrenso_voldemort', password='RHd1&n%=@V2@', db='mgmrenso_alsec') cursor = connection.cursor() # Eliminar todos los registros existentes en la tabla delete_sql = "DELETE FROM " + table try: cursor.execute(delete_sql) connection.commit() print("Datos existentes eliminados correctamente.") except Exception as delete_error: connection.rollback() print("Error al eliminar datos existentes:", delete_error) connection.close() return # Insertar nuevos datos en la tabla cols = ",".join([str(i) for i in data.columns.tolist()]) insert_sql = "INSERT INTO " + table + \ "(" + cols + ") VALUES (" + "%s," * (len(data.values[0]) - 1) + "%s)" lista = list(data.itertuples(index=False, name=None)) try: cursor.executemany(insert_sql, lista) connection.commit() print("Nuevos datos insertados correctamente: ", data.shape[0]) print("-En- %s seconds ---" % (time.time() - start_time2)) except Exception as insert_error: connection.rollback() print("Error al insertar nuevos datos:", insert_error) finally: connection.close() #Conexion a la base de Datos local def data_local(sql,columnas): db = pymysql.connect(host='82.163.176.111', user='mgmrenso_voldemort', password='RHd1&n%=@V2@', db='mgmrenso_alsec') cursor = db.cursor() # Insertar info en DB try: cursor.execute(sql) db.commit() result = cursor.fetchall() column_names = columnas df = pd.DataFrame(result, columns=column_names) del df['id'] df.reset_index() return df except Exception as e: db.rollback() print("Exception Ocurred: ", e) traceback.print_exc() finally: db.close() #Conexion a la base de Datos def data(sql,columnas): db = psycopg2.connect(user="mgmlegola", password="2s6kWSH5CYFG%5KT", host="198.27.67.220", database="mgmrenso_aragorn") cursor = db.cursor() # Insertar info en DB try: cursor.execute(sql) db.commit() result = cursor.fetchall() column_names = columnas df = pd.DataFrame(result, columns=column_names) df['fechafull']=df['fechadia']+df['fechahora'] df['fechafull']=pd.to_datetime(df['fechafull'], format='%Y-%m-%d%H:%M:%S') del df['id'] df.reset_index() return df except Exception as e: db.rollback() print("Exception Ocurred: ", e) traceback.print_exc() finally: print("algo fallo") #------------------ columnas_fechas=["id","inicio","fin"]#definimos columnas sql_fechas = 'SELECT * FROM `fechas` WHERE 1 '#sql de los datos df_fechas=data_local(sql_fechas,columnas_fechas)#llamamos la funcion y le mandamos los pàrametros inicio=str(df_fechas["inicio"][0]) fin=str(df_fechas["fin"][0]) print(fin) #------------------------ # SQL Y DATAFRAME DE LOS DATOS columnas=["id","circuito","fechadia","fechahora","energia"]#definimos columnas #sql = 'SELECT * FROM `mqtt_vitro` WHERE `fechadia` BETWEEN "2024-01-01" AND "2024-01-10" '#sql de los datos sql = "SELECT id, circuito, fechadia, fechahora, energia FROM public.alsec_compresor WHERE fechadia BETWEEN '"+inicio+"' and '"+fin+"';"#sql de los datos df=data(sql,columnas)#llamamos la funcion y le mandamos los pàrametros df['fechadia'] = pd.to_datetime(df['fechadia']) # Filtrar solo los circuitos 1, 2 y 3 df_filtered = df[df['circuito'].isin(['Circuit_1', 'Circuit_2', 'Circuit_3'])] # Agrupar por fecha y sumar la energía de los circuitos 1, 2 y 3 df_diario_compresor = df_filtered.groupby('fechadia')['energia'].sum().reset_index() # Renombrar la columna 'energia' a 'diario_compresor' df_diario_compresor.rename(columns={'energia': 'diario_compresor'}, inplace=True) # Redondea el valor a tres decimales y conviértelo a cadena df_diario_compresor['diario_compresor'] = df_diario_compresor['diario_compresor'].round(3).astype(str) #---------- df_suma_hora= df_filtered.groupby(["fechadia",'fechahora'])['energia'].apply(sum).reset_index() df_suma_hora["fechadia"]=pd.to_datetime(df_suma_hora["fechadia"]) # Crea una nueva columna 'mes' para almacenar solo el mes df_suma_hora['mes'] = df_suma_hora['fechadia'].dt.month # Agrupa por las columnas 'mes' y 'fechahora' y suma la energía para cada hora del mes df_suma_mes = df_suma_hora.groupby(['mes', 'fechahora'])['energia'].sum().reset_index() # Suma la energía por mes df_suma_mes = df_suma_mes.groupby('mes')['energia'].sum().reset_index() # Renombrar columnas df_suma_mes.columns = ['mes', 'Total_Mensual'] #valor en pesos valorVatiosPesos= float(636.13) valor=df_suma_mes["Total_Mensual"]*valorVatiosPesos valor= valor.round(2).map('{:,.3f}'.format) df_pesos= pd.DataFrame({"total_pesos":valor}) print(df_pesos) if len(df_diario_compresor) > 0: df = pd.DataFrame(df_diario_compresor, columns=[ "fechadia", "diario_compresor"]) if df.size > 0: loadtosql('detalle_diario', df) else: print("Nada que guardar") #mensual if len(df_suma_mes) > 0: df = pd.DataFrame(df_suma_mes, columns=[ "mes", "Total_Mensual"]) df['Total_Mensual'] = df['Total_Mensual'].round(3).astype(str) if df.size > 0: loadtosql('detalle_mensual', df) else: print("Nada que guardar") #pesos if len(df_pesos) > 0: df_pesos = df_pesos.replace({',': '.'}, regex=True) df = pd.DataFrame(df_pesos, columns=[ "total_pesos"]) if df.size > 0: loadtosql('detalle_en_pesos', df) else: print("Nada que guardar")