def getDataFromDB():
""" Funzione per ottenere i dati dal server locale influxdb contenente le misurazioni dei pazienti. """
ipDB = os.getenv('INFLUX_IP_AI', 'localhost')
portDB = os.getenv('INFLUX_PORT_AI', '8086')
userDB = os.getenv('INFLUX_USER_AI', 'admin')
passwordDB = os.getenv('INFLUX_PW_AI', 'G10m1R0m3')
nameDB = os.getenv('INFLUX_DB_AI', 'giomi')
dr = DataRetriever(metrics)
dfs = dr.loadDataFromDB(ipDB, portDB, userDB, passwordDB, nameDB)
dp = DataProcessor(metrics, defaults)
df = dp.applyPipeline(dfs)
return df
def main(n_dimensions: int, n_clusters: int, processInstanceId: str,
method: str):
metrics = [
'temperature', 'systolic', 'diastolic', 'pulse', 'spo2', 'weight'
] # metrihe da ottenere dal db
defaults = [36, 115, 75, 75, 98, 75] # valori di default per ogni metrica
ipDB = os.getenv('INFLUX_IP_AI', 'localhost')
portDB = os.getenv('INFLUX_PORT_AI', '8086')
userDB = os.getenv('INFLUX_USER_AI', 'admin')
passwordDB = os.getenv('INFLUX_PW_AI', 'G10m1R0m3')
nameDB = os.getenv('INFLUX_DB_AI', 'giomi')
dr = DataRetriever(metrics)
dfs = dr.loadDataFromDB(ipDB, portDB, userDB, passwordDB,
nameDB) # ottengo i dati dal databse
dp = DataProcessor(metrics, defaults)
df = dp.applyPipeline(
dfs
) # applico le funzioni per fare il merging tra le varie misurazioni
da = DataAnalyzer(n_dimensions, metrics)
da.applyPCA(df) # applico la PCA
kmeans = da.applyKMeans(df, n_clusters) # applico il kmeans
ax, plt = da.plot(
df, kmeans.labels_,
kmeans.cluster_centers_) # stampo sull'immagine i cluster
method = True if method == 'cluster' else False
point = da.addPatientPoint(
df, ax, processInstanceId,
method) # stampo sull'immagine il punto del paziente
plt.savefig('/tmp/out.png')
da2 = DataAnalyzer(n_dimensions, metrics)
da2.applyPCA(df)
kmeans2 = da2.applyKMeans(df, n_clusters)
ax2, plt2 = da2.plot(df,
kmeans2.labels_,
kmeans2.cluster_centers_,
zoom=True)
method = True if method == 'cluster' else False
point2 = da2.addPatientPoint(df, ax2, processInstanceId, method)
# da.addAllPatientPoints(df, ax, processInstanceId)
#distance = kmeans.transform(point.reshape(1, -1))
#normalizedDistance = (distance / np.linalg.norm(distance, ord=2, axis=1, keepdims=True))[0]
# out = {
# "distances": normalizedDistance.tolist()
# }
#print(json.dumps(out))
plt2.savefig('/tmp/out2.png')
print("Eseguito con successo")
