def __init__(self, str_status_led):
self.neopixel_importado = neopixel_importado
self.str_status_led = str_status_led
self.config = config.Config()
if self.neopixel_importado:
# LED strip configuration:
self.LED_COUNT = self.config.led_count # Number of LED pixels.
self.LED_PIN = self.config.led_pin # GPIO pin connected to the pixels (18 uses PWM!).
self.LED_FREQ_HZ = 800000 # LED signal frequency in hertz (usually 800khz)
self.LED_DMA = 10 # DMA channel to use for generating signal (try 10)
self.LED_BRIGHTNESS = 255 # Set to 0 for darkest and 255 for brightest
self.LED_INVERT = self.config.led_invert # True to invert the signal (when using NPN transistor level shift)
self.LED_CHANNEL = 0 # set to '1' for GPIOs 13, 19, 41, 45 or 53
#LED_PIN = 10 # GPIO pin connected to the pixels (10 uses SPI /dev/spidev0.0).
# Create NeoPixel object with appropriate configuration.
self.strip = Adafruit_NeoPixel(self.LED_COUNT, self.LED_PIN,
self.LED_FREQ_HZ, self.LED_DMA,
self.LED_INVERT,
self.LED_BRIGHTNESS,
self.LED_CHANNEL)
# Intialize the library (must be called once before other functions).
self.strip.begin()
else:
self.conexao_rpi = conexao.Conexao()
class Genero:
CAMINHO_DB = '../DB/fat'
DB_NOME = 'fat_genero'
EXTENS_DB = '.csv'
SEP = ';'
TBL_FAT_GENERO = CAMINHO_DB + '/' + DB_NOME + EXTENS_DB
dados = conexao.Conexao().dados()
def tabelaGeneros(self):
# inicializa variaveis
confianca = []
hora = []
id_dim_genero = []
id_dim_data = []
guids = []
# carrega dimensões
dim_genero = conexao.Conexao().carregaDimensao(
'../DB/dim/dim_genero.csv')
# carrega os dados da fato
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'gênero':
for item_chave, item_valor in atributo.items():
if item_chave == 'confiança':
confianca.append(item_valor)
if item_chave == 'valor':
for indice in dim_genero:
if indice[1] == item_valor:
id_dim_genero.append(indice[0])
guids.append(chave)
if item == 'data':
id_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').date()
hora_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').time()
id_dim_data.append(id_data)
hora.append(hora_data)
ids = [i + 1 for i in range(0, len(guids))]
fato = {
'id_fato_genero': ids,
'id_genero': id_dim_genero,
'vlr_confianca': confianca,
'data': id_dim_data,
'hora': hora,
'guid': guids
}
return pd.DataFrame.from_dict(fato)
def fatoGenero(self):
df = self.tabelaGeneros()
df.to_csv(self.TBL_FAT_GENERO, index=False, sep=self.SEP)
class Emocao:
CAMINHO_DB = '../DB/dim'
DB_NOME = 'dim_emocao'
EXTENS_DB = '.csv'
SEP = ';'
TBL_DIM_EMOCAO = CAMINHO_DB + '/' + DB_NOME + EXTENS_DB
dados = conexao.Conexao().dados()
def tabelaEmocoes(self):
emocoes = []
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'sentimentos':
for item_chave, item_valor in atributo.items():
emocoes.append(item_chave)
emocoes_distinct = np.unique(np.array(emocoes))
ids = [i + 1 for i in range(0, len(emocoes_distinct))]
dimensao = {'id_emocao': ids, 'descricao_emocao': emocoes_distinct}
return pd.DataFrame.from_dict(dimensao)
def dimensaoEmocao(self):
df = self.tabelaEmocoes()
df.to_csv(self.TBL_DIM_EMOCAO, index=False, sep=self.SEP)
class Genero:
CAMINHO_DB = '../DB/dim'
DB_NOME = 'dim_genero'
EXTENS_DB = '.csv'
SEP = ';'
TBL_DIM_GENERO = CAMINHO_DB + '/' + DB_NOME + EXTENS_DB
dados = conexao.Conexao().dados()
def tabelaGeneros(self):
generos = []
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'gênero':
for item_chave, item_valor in atributo.items():
if item_chave == 'valor':
generos.append(item_valor)
generos_distinct = np.unique(np.array(generos))
ids = [i + 1 for i in range(0, len(generos_distinct))]
dimensao = {'id_genero': ids, 'descricao_genero': generos_distinct}
return pd.DataFrame.from_dict(dimensao)
def dimensaoGeneros(self):
df = self.tabelaGeneros()
df.to_csv(self.TBL_DIM_GENERO, index=False, sep=self.SEP)
def __init__(self):
# Definindo variáveis do Tkinter
self.app = Tk()
self.app.title('Sway LED')
# StringVar para as classes definir os status do programa
self.str_status_leds = StringVar()
# self.str_status_leds.trace("w", self.alterar_status)
# Frames usados na janela do aplicativo
self.frameCores = Frame(self.app)
self.frameEfeitos = Frame(self.app)
self.frameLightpaint = Frame(self.app)
self.frameDancypi = Frame(self.app)
self.frameServerled = Frame(self.app)
self.frameConfig = Frame(self.app)
self.frameConfigApp = Frame(self.app)
# Chamando a classe Led (levando a stringvar de status), de Configurações, conexão e construir aplicação
# self.led = led.Led(self.str_status_leds)
self.config = config.Config()
self.conexao = conexao.Conexao()
self.build = gui.ConstruirAplicacao(self.app, self.str_status_leds)
# Função para inserir todos os widgets necessários e alterar a tela
self.construir_menu()
self.mudar_tela(app_iniciando=True)
# Abrir o aplicativo
self.app.mainloop()
def tabelaPessoas(self):
# inicializa variaveis
confianca = []
confianca_idade = []
vlr_idade = []
hora = []
id_dim_genero = []
id_dim_data = []
guids = []
# carrega dimensões
dim_genero = conexao.Conexao().carregaDimensao(
'../DB/dim/dim_genero.csv')
# carrega os dados da fato
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'gênero':
for item_chave, item_valor in atributo.items():
if item_chave == 'confiança':
confianca.append(item_valor)
if item_chave == 'valor':
for indice in dim_genero:
if indice[1] == item_valor:
id_dim_genero.append(indice[0])
guids.append(chave)
if item == 'data':
id_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').date()
hora_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').time()
id_dim_data.append(id_data)
hora.append(hora_data)
if item == 'idade':
for item_chave, item_valor in atributo.items():
if item_chave == 'confiança':
confianca_idade.append(item_valor)
if item_chave == 'valor':
vlr_idade.append(item_valor)
ids = [i + 1 for i in range(0, len(guids))]
fato = {
'id_fato_pessoa': ids,
'id_genero': id_dim_genero,
'vlr_confianca_genero': confianca,
'idade_estimada': vlr_idade,
'vlr_confianca_idade': confianca_idade,
'data': id_dim_data,
'hora': hora,
'guid': guids
}
return pd.DataFrame.from_dict(fato)
def __init__(self, app, var_status_leds):
self._app = app
self.config = config.Config()
self.led = led.Led(var_status_leds)
self.conexao = conexao.Conexao()
self.var_status_leds = var_status_leds
self.verificar_se_temos_led()
def tabelaSentimentos(self):
# inicializa variaveis
confianca = []
vlr_resultado = []
hora = []
id_dim_emocao = []
id_dim_data = []
guids = []
# carrega dimensões
dim_emocao = conexao.Conexao().carregaDimensao(
'../DB/dim/dim_emocao.csv')
# carrega os dados da fato
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'sentimentos':
for item_chave, item_valor in atributo.items():
id_atributo = self.pesquisaID(
item_chave, dim_emocao)
id_dim_emocao.append(id_atributo)
for k1, v1 in item_valor.items():
if k1 == 'confiança':
confianca.append(v1)
if k1 == 'valor':
vlr_resultado.append(v1)
guids.append(chave)
for guid in guids:
data, hora_valor_valor = self.dataHora(guid)
id_dim_data.append(data)
hora.append(hora_valor_valor)
ids = [i + 1 for i in range(0, len(guids))]
fato = {
'id_fato_emocao': ids,
'id_emocao': id_dim_emocao,
'vlr_confianca': confianca,
'vlr_resultado': vlr_resultado,
'data': id_dim_data,
'hora': hora,
'guid': guids
}
return pd.DataFrame.from_dict(fato)
def tabelaCartazes(self):
# inicializa variaveis
hora = []
id_dim_cartaz = []
id_dim_data = []
guids = []
# carrega dimensões
dim_cartaz = conexao.Conexao().carregaDimensao(
'../DB/dim/dim_cartaz.csv')
# carrega os dados da fato
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'foto':
for item_chave, item_valor in atributo.items():
if item_chave == 'url':
nome_cartaz = self.trataCartazNome(
item_valor)
cartaz = self.pesquisaID(
nome_cartaz, dim_cartaz)
id_dim_cartaz.append(cartaz)
guids.append(chave)
if item == 'data':
id_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').date()
hora_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').time()
id_dim_data.append(id_data)
hora.append(hora_data)
ids = [i + 1 for i in range(0, len(guids))]
fato = {
'id_fato_cartaz': ids,
'id_cartaz': id_dim_cartaz,
'data': id_dim_data,
'hora': hora,
'guid': guids
}
return pd.DataFrame.from_dict(fato)
def recebe_pacote(self, pack):
#tenho de dar um jeito de arrumar isso
if not (pack.ip_origem, pack.porta_origem) in self.conexoes.keys():
self.conexoes[(pack.ip_origem,
pack.porta_origem)] = conexao.Conexao(
500, pack.ip_origem, pack.porta_origem,
pack.ip_destino, pack.porta_destino)
flags = pack.checa_flags()
print('INCOMING > ip origem : ',pack.ip_origem, \
' | porta origem : ', pack.porta_origem, \
' | ip destino : ', pack.ip_destino,\
' | porta destino : ',pack.porta_destino,\
' | numero de sequencia : ', pack.numero_de_sequencia, \
' | numero de ack :', pack.numero_de_acknowledgement,\
' | FIN : ', flags[0], ' | SYN : ', flags[1],\
' | RST : ', flags[2], ' | ACK : ', flags[3],
' | conteudo : ', pack.conteudo.decode("UTF-8") if len(pack.conteudo) > 0 else '""')
p = self.conexoes[(pack.ip_origem,
pack.porta_origem)].recebe_pacote(pack)
for packet in p:
flags = packet.checa_flags()
if type(packet.conteudo) is int:
packet.conteudo = packet.conteudo.to_bytes(2, byteorder='big')
print('OUTGOING > ip origem : ',packet.ip_origem, \
' | porta origem : ', packet.porta_origem, \
' | ip destino : ', packet.ip_destino,\
' | porta destino : ',packet.porta_destino,\
' | numero de sequencia : ', packet.numero_de_sequencia, \
' | numero de ack :', packet.numero_de_acknowledgement,\
' | FIN : ', flags[0], ' | SYN : ', flags[1],\
' | RST : ', flags[2], ' | ACK : ', flags[3],
' | conteudo : NOPE')#, packet.conteudo.decode("UTF-8") if len(pack.conteudo) > 0 else '""')
#if packet.numero_de_sequencia == 0:
# packet.numero_de_sequencia = self.conexoes[(pack.ip_origem, pack.porta_origem)].
pack.ativa_flags(fin=False, syn=False, rst=False, ack=True)
self.fd.sendto(packet.serialize(), (packet.ip_destino, \
packet.porta_destino))
class Cartaz:
CAMINHO_DB = '../DB/dim'
DB_NOME = 'dim_cartaz'
EXTENS_DB = '.csv'
SEP = ';'
TBL_DIM_CARTAZ = CAMINHO_DB + '/' + DB_NOME + EXTENS_DB
dados = conexao.Conexao().dados()
def tabelaCartazes(self):
cartazes = []
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'foto':
for item_chave, item_valor in atributo.items():
if item_chave == 'url':
cartazes.append(item_valor)
cartazes_tratados = []
for item in cartazes:
nome = item.split('_')
cartazes_tratados.append(nome[-3]+ ' ' + str(nome[-2]))
cartazes_distinct = np.unique(np.array(cartazes_tratados))
ids = [i + 1 for i in range(0, len(cartazes_distinct))]
dimensao = {'id_cartaz': ids, 'descricao_cartaz': cartazes_distinct}
return pd.DataFrame.from_dict(dimensao)
def dimensaoCartazes(self):
df = self.tabelaCartazes()
df.to_csv(self.TBL_DIM_CARTAZ, index=False ,sep=self.SEP)
class Sentimento:
CAMINHO_DB = '../DB/fat'
DB_NOME = 'fat_sentimento'
EXTENS_DB = '.csv'
SEP = ';'
TBL_FAT_SENTIMENTO = CAMINHO_DB + '/' + DB_NOME + EXTENS_DB
dados = conexao.Conexao().dados()
def pesquisaID(self, emocao, dimensao):
for indice in dimensao:
if indice[1] == emocao:
return indice[0]
def dataHora(self, guid):
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'data':
if chave == guid:
id_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').date()
hora_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').time()
return id_data, hora_data
def tabelaSentimentos(self):
# inicializa variaveis
confianca = []
vlr_resultado = []
hora = []
id_dim_emocao = []
id_dim_data = []
guids = []
# carrega dimensões
dim_emocao = conexao.Conexao().carregaDimensao(
'../DB/dim/dim_emocao.csv')
# carrega os dados da fato
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'sentimentos':
for item_chave, item_valor in atributo.items():
id_atributo = self.pesquisaID(
item_chave, dim_emocao)
id_dim_emocao.append(id_atributo)
for k1, v1 in item_valor.items():
if k1 == 'confiança':
confianca.append(v1)
if k1 == 'valor':
vlr_resultado.append(v1)
guids.append(chave)
for guid in guids:
data, hora_valor_valor = self.dataHora(guid)
id_dim_data.append(data)
hora.append(hora_valor_valor)
ids = [i + 1 for i in range(0, len(guids))]
fato = {
'id_fato_emocao': ids,
'id_emocao': id_dim_emocao,
'vlr_confianca': confianca,
'vlr_resultado': vlr_resultado,
'data': id_dim_data,
'hora': hora,
'guid': guids
}
return pd.DataFrame.from_dict(fato)
def fatoSentimento(self):
df = self.tabelaSentimentos()
df.to_csv(self.TBL_FAT_SENTIMENTO, index=False, sep=self.SEP)
class Queries(object):
"""
Classe com queries mais utilizadas no projeto
Modo de uso
Queries.tickers() - retorna um frame com o resultado da query
"""
conexao = conexao.Conexao()
@staticmethod
def tickers():
"""Função que retorna a lista de ticker, ticker_id e empresa_id
Returns:
pd.DataFrame()
"""
sql = "select id, ticker, empresa_id from assets_ticker"
return Queries.conexao.query(sql)
@staticmethod
def valor_mercado():
"""Função que retorna o valor de mercado das empresas
Returns:
pd.DataFrame()
"""
sql = "select empresa_id, ticker_id, date, valor from assets_valormercado"
return Queries.conexao.query(sql)
@staticmethod
def precos_ajustado():
"""Função que retorna o preço de fechamento e preço médio ajustado das empresas
Returns:
pd.DataFrame()
"""
sql = "select date, ticker_id, preult, premed from assets_precohistoricoajustado"
return Queries.conexao.query(sql)
@staticmethod
def precos_nao_ajustado():
"""Função que retorna o volume e o preço de fechamento não ajustado das empresas
Returns:
pd.DataFrame()
"""
sql = "select date, ticker_id, voltot, preult from assets_historicalprice where tpmerc=10"
return Queries.conexao.query(sql)
@staticmethod
def volume_mercado():
"""Função que retorna as informações da tabela volumemercado
Essas informações são utilizadas para compor o backtest.
Returns:
pd.DataFrame()
"""
sql = "select * from assets_volumemercado"
return Queries.conexao.query(sql)
@staticmethod
def patrimonio_liquido():
"""Função que retorna o patrimônio líquido das empresas
Returns:
pd.DataFrame()
"""
sql = "select empresa_id, ticker_id, date, data_de_divulgacao, valor from assets_patrimonioliquido"
return Queries.conexao.query(sql)
@staticmethod
def lucros():
"""Função que retorna o lucro líquido das empresas
Returns:
pd.DataFrame()
"""
sql = "select ticker_id, empresa_id, date, lucro_liquido from assets_informacoesfinanceiras " \
"order by empresa_id, date"
return Queries.conexao.query(sql)
@staticmethod
def pesos():
"""Função que retorna os pesos de otimização
Returns:
pd.DataFrame()
"""
sql = "select * from pandas_pesos"
return Queries.conexao.query(sql)
def iniciar_conexao(self, status):
cx = conexao.Conexao()
cx.enviar_teste()
status.set('aaaa')
class Cartaz:
CAMINHO_DB = '../DB/fat'
DB_NOME = 'fat_cartaz'
EXTENS_DB = '.csv'
SEP = ';'
TBL_FAT_CARTAZ = CAMINHO_DB + '/' + DB_NOME + EXTENS_DB
dados = conexao.Conexao().dados()
def trataCartazNome(self, nome):
nome_resultado = nome.split('_')
return nome_resultado[-3] + ' ' + str(nome_resultado[-2])
def pesquisaID(self, nome, dimensao):
for indice in dimensao:
if indice[1] == nome:
return indice[0]
def tabelaCartazes(self):
# inicializa variaveis
hora = []
id_dim_cartaz = []
id_dim_data = []
guids = []
# carrega dimensões
dim_cartaz = conexao.Conexao().carregaDimensao(
'../DB/dim/dim_cartaz.csv')
# carrega os dados da fato
for chave, valor in self.dados.items():
for k, v in valor.items():
if k == 'resposta':
for item, atributo in v.items():
if item == 'foto':
for item_chave, item_valor in atributo.items():
if item_chave == 'url':
nome_cartaz = self.trataCartazNome(
item_valor)
cartaz = self.pesquisaID(
nome_cartaz, dim_cartaz)
id_dim_cartaz.append(cartaz)
guids.append(chave)
if item == 'data':
id_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').date()
hora_data = datetime.strptime(
atributo, '%Y-%m-%d %H:%M:%S.%f').time()
id_dim_data.append(id_data)
hora.append(hora_data)
ids = [i + 1 for i in range(0, len(guids))]
fato = {
'id_fato_cartaz': ids,
'id_cartaz': id_dim_cartaz,
'data': id_dim_data,
'hora': hora,
'guid': guids
}
return pd.DataFrame.from_dict(fato)
def fatoCartaz(self):
df = self.tabelaCartazes()
df.to_csv(self.TBL_FAT_CARTAZ, index=False, sep=self.SEP)
