def change_ventana_tiempo(fecha_ini, tipo_sensor):
if fecha_ini == None:
fecha_ini = datos.fecha_inicial(tipo_sensor, 'x')
fecha_ini = str(fecha_ini)
fecha_ini = dt.strptime(
str(
dt(int(fecha_ini[0:4]), int(fecha_ini[5:7]), int(fecha_ini[8:10]),
0, 0, 0)), '%Y-%m-%d %H:%M:%S')
fecha_fin = datos.fecha_final(tipo_sensor, 'x')
rango = datos.dias_entre_fechas(fecha_ini, fecha_fin)
if rango > 13:
return [{
"label": key,
"value": value
} for key, value in datos.ventana_tiempo(3).items()
], str(list(datos.ventana_tiempo(3).values())[0])
elif rango > 6 and rango < 14:
return [{
"label": key,
"value": value
} for key, value in datos.ventana_tiempo(2).items()
], str(list(datos.ventana_tiempo(3).values())[0])
elif rango > 0 and rango < 7:
return [{
"label": key,
"value": value
} for key, value in datos.ventana_tiempo(1).items()
], str(list(datos.ventana_tiempo(3).values())[0])
elif rango == 0:
return [{
"label": key,
"value": value
} for key, value in datos.ventana_tiempo(0).items()
], str(list(datos.ventana_tiempo(3).values())[0])
def update_grafico_2(n_clicks, cantidad_sensores, hora, tipo_sensor, sensor,
sensor_multi, fecha, ventana_tiempo, ejes, eje):
if len(ejes) < 1:
ejes.append('x')
if fecha != None:
if str(str(fecha).split(sep='T')[0]) == str(
str(datos.fecha_inicial(tipo_sensor, eje)).split(sep=' ')[0]):
#fecha = dt.strptime(str(str(fecha).split(sep='T')[0]) + ' ' + str(str(datos.fecha_inicial()).split(sep=' ')[1]),'%Y-%m-%d %H:%M:%S')
fecha = dt.strptime(
str(str(fecha).split(sep='T')[0]) + ' ' +
datos.crear_hora(hora), '%Y-%m-%d %H:%M:%S')
else:
fecha = dt.strptime(
str(str(fecha).split(sep='T')[0]) + ' ' +
datos.crear_hora(hora), '%Y-%m-%d %H:%M:%S')
else:
fecha = datos.fecha_inicial(tipo_sensor, eje)
#Se inicializan variables
df = pd.DataFrame()
fig_2 = go.Figure()
if n_clicks >= 0:
fecha_ini_titulo, fecha_fin_titulo = datos.fecha_titulo(
fecha, ventana_tiempo)
#Dependiendo del tipo de sensor se crean visualizaciones distintas
if tipo_sensor == 'weather-station':
#Aqui se crea el histograma circular que contine datos de la direccion y velocidad del viento
dir = datos.datos_ace(dt(2008, 4, 1, 0, 38, 3), ventana_tiempo,
'dir_viento')['dir_viento'].tolist()
vel = datos.datos_ace(dt(2008, 4, 1, 0, 38, 3), ventana_tiempo,
'vel_viento')['vel_viento'].tolist()
tmp1 = collections.Counter(dir)
ini, fin = datos.rangos(tmp1)
rr, tt = datos.datos_por_rango(
pd.DataFrame({
'dir_viento': dir,
'vel_viento': vel
}), ini, fin)
dff = pd.DataFrame({'Dirección': tt, 'Velocidad (m/s)': rr})
fig_2 = px.bar_polar(
dff,
r="Velocidad (m/s)",
theta="Dirección",
color_discrete_sequence=px.colors.sequential.Plasma_r)
titulo_OHLC = datos.titulo_OHLC(ventana_tiempo)
fig_2.update_layout(
title={
'text':
"Dirección y Velocidad (m/s) del viento durante " +
str(titulo_OHLC) + " "
})
elif tipo_sensor == 'Acelerometro':
if cantidad_sensores == '1-sensor':
# La variable df contiene el dataframe que se utiliza para generar el histograma
# Aqui se crea el histograma
trace_sec2 = []
colors = ['#e6194b', '#3cb44b', '#ffe119']
count = 0
for e in ejes:
start_time = time()
df = datos.datos_ace(fecha, ventana_tiempo, sensor, e)
start_time = time()
#fig_2 = go.Figure(data=[go.Histogram(x=df[sensor],showlegend=False)])
trace_sec2.append(
go.Histogram(x=df[sensor],
showlegend=True,
marker_color=colors[count],
name=datos.traductor_nombre(sensor) +
' eje: ' + str(e)))
count = count + 1
fig_2 = go.Figure(data=trace_sec2)
elapsed_time = time() - start_time
print(
"Tiempo Transcurrido crear Histograma: %0.1f seconds."
% elapsed_time)
titulo_OHLC = datos.titulo_OHLC(ventana_tiempo)
fig_2.update_layout(
title="Frecuencia de datos cada " +
str(datos.titulo_freq_datos(ventana_tiempo)) + " del " +
str(datos.traductor_nombre(sensor)) + "<br>durante " +
str(titulo_OHLC) + "<br>(" + fecha_ini_titulo + " - " +
fecha_fin_titulo + ")",
yaxis={"title": "Frecuencia (N° de Datos)"},
xaxis={"title": "Aceleración (cm/s²)"},
bargap=0.1,
)
else:
#Listas que conteneran cada trace generado por cada dataframe creado para poder visualizarlos en una grafica
trace_sec2 = []
#colores para las graficas
colors = [
'#e6194b', '#3cb44b', '#ffe119', '#4363d8', '#f58231',
'#911eb4', '#46f0f0', '#f032e6', '#bcf60c', '#fabebe',
'#008080', '#e6beff', '#9a6324', '#fffac8', '#800000',
'#aaffc3', '#808000', '#ffd8b1', '#000075', '#808080',
'#ffffff', '#000000'
]
count = 0
#por cada sensor seleccionado se crean df
for sen in sensor_multi:
df = datos.datos_ace(fecha, ventana_tiempo, sen, eje)
# Aqui se crea el histograma
trace_sec2.append(
go.Histogram(x=df[sen],
showlegend=True,
marker_color=colors[count],
name=datos.traductor_nombre(sen)))
count = count + 1
fig_2 = go.Figure(data=trace_sec2)
titulo_OHLC = datos.titulo_OHLC(ventana_tiempo)
fig_2.update_layout(
title="Frecuencia de datos cada " +
str(datos.titulo_freq_datos(ventana_tiempo)) +
"<br>durante " + str(titulo_OHLC) + "<br>(" +
fecha_ini_titulo + " - " + fecha_fin_titulo + ")",
yaxis={"title": "Frecuencia (N° de Datos)"},
xaxis={"title": "Aceleración (cm/s²)"},
bargap=0.1,
)
return fig_2
def update_grafico_1(n_clicks, cantidad_sensores, hora, tipo_sensor, sensor,
sensor_multi, fecha, ventana_tiempo, ejes, eje):
if len(ejes) < 1:
ejes.append('x')
if fecha != None:
if str(str(fecha).split(sep='T')[0]) == str(
str(datos.fecha_inicial(tipo_sensor, eje)).split(sep=' ')[0]):
#fecha = dt.strptime(str(str(fecha).split(sep='T')[0]) + ' ' + str(str(datos.fecha_inicial()).split(sep=' ')[1]),'%Y-%m-%d %H:%M:%S')
fecha = dt.strptime(
str(str(fecha).split(sep='T')[0]) + ' ' +
datos.crear_hora(hora), '%Y-%m-%d %H:%M:%S')
else:
fecha = dt.strptime(
str(str(fecha).split(sep='T')[0]) + ' ' +
datos.crear_hora(hora), '%Y-%m-%d %H:%M:%S')
else:
fecha = datos.fecha_inicial(tipo_sensor, eje)
#Se inicializan variables
df = pd.DataFrame()
fig_1 = go.Figure()
if n_clicks >= 0:
fecha_ini_titulo, fecha_fin_titulo = datos.fecha_titulo(
fecha, ventana_tiempo)
#Dependiendo del tipo de sensor se crean visualizaciones distintas
if tipo_sensor == 'Acelerometro':
if cantidad_sensores == '1-sensor':
#Aqui se crea el grafico boxplot
start_time = time()
repeat = 12
#Cuando la ventana de tiempo es de 1 hora o 1 dia se obtinen 12 box en cambio si es de 7 dias o 14 se obtienen 14 por eso cambia el valor de repeat
if ventana_tiempo == '12S' or ventana_tiempo == '288S':
repeat = 12
else:
repeat = 14
# bucle que genera cada box
for e in ejes:
for i in range(repeat):
if i == 0:
vars()['df' +
str(i)], vars()['ultimo' +
str(i)] = datos.datos_box(
fecha, ventana_tiempo,
sensor, e)
fig_1.add_trace(
go.Box(y=vars()['df' + str(i)][str(
vars()['ultimo' + str(i)])],
name=str(vars()['ultimo' + str(i)]) +
' eje: ' + str(e),
boxpoints='suspectedoutliers',
showlegend=False))
else:
vars()['df' +
str(i)], vars()['ultimo' +
str(i)] = datos.datos_box(
vars()['ultimo' +
str(i - 1)],
ventana_tiempo, sensor,
e)
fig_1.add_trace(
go.Box(y=vars()['df' + str(i)][str(
vars()['ultimo' + str(i)])],
name=str(vars()['ultimo' + str(i)]) +
' eje: ' + str(e),
boxpoints='suspectedoutliers',
showlegend=False))
elapsed_time = time() - start_time
print("Tiempo Transcurrido crear BOX: %0.1f seconds." %
elapsed_time)
# Titulos para el grafico OHLC y Boxplot
titulo_box = datos.titulo_box(ventana_tiempo)
titulo_OHLC = datos.titulo_OHLC(ventana_tiempo)
fig_1.update_layout(
title="Promedio de datos cada " + str(titulo_box) +
" del " + str(datos.traductor_nombre(sensor)) +
" durante " + str(titulo_OHLC) + "<br>(" +
fecha_ini_titulo + " - " + fecha_fin_titulo + ")",
yaxis={"title": "Aceleración (cm/s²)"})
else:
#Listas que conteneran cada trace generado por cada dataframe creado para poder visualizarlos en una grafica
trace_sec1 = []
#Para el grafico boxplot
repeat = 12
#Cuando la ventana de tiempo es de 1 hora o 1 dia se obtinen 12 box en cambio si es de 7 dias o 14 se obtienen 14 por eso cambia el valor de repeat
if ventana_tiempo == '12S' or ventana_tiempo == '288S':
repeat = 12
else:
repeat = 14
#colores para las graficas
colors = [
'#e6194b', '#3cb44b', '#ffe119', '#4363d8', '#f58231',
'#911eb4', '#46f0f0', '#f032e6', '#bcf60c', '#fabebe',
'#008080', '#e6beff', '#9a6324', '#fffac8', '#800000',
'#aaffc3', '#808000', '#ffd8b1', '#000075', '#808080',
'#ffffff', '#000000'
]
count = 0
#por cada sensor seleccionado se crean df
for sen in sensor_multi:
# bucle que genera cada box para guardarlo en el trace
for i in range(repeat):
if i == 0:
vars()['df' +
str(i)], vars()['ultimo' +
str(i)] = datos.datos_box(
fecha, ventana_tiempo,
sen, eje)
trace_sec1.append(
go.Box(y=vars()['df' + str(i)][str(
vars()['ultimo' + str(i)])],
name=str(vars()['ultimo' + str(i)]),
boxpoints='suspectedoutliers',
showlegend=False,
marker_color=colors[count]))
else:
vars()['df' +
str(i)], vars()['ultimo' +
str(i)] = datos.datos_box(
vars()['ultimo' +
str(i - 1)],
ventana_tiempo, sen,
eje)
trace_sec1.append(
go.Box(y=vars()['df' + str(i)][str(
vars()['ultimo' + str(i)])],
name=str(vars()['ultimo' + str(i)]),
boxpoints='suspectedoutliers',
showlegend=False,
marker_color=colors[count]))
count = count + 1
fig_1 = go.Figure(data=trace_sec1)
titulo_OHLC = datos.titulo_OHLC(ventana_tiempo)
titulo_box = datos.titulo_box(ventana_tiempo)
fig_1.update_layout(
title="Promedio de datos cada " + str(titulo_box) +
", durante " + str(titulo_OHLC) + "<br>(" +
fecha_ini_titulo + " - " + fecha_fin_titulo + ")",
yaxis={"title": "Aceleración (cm/s²)"})
elif tipo_sensor == 'weather-station':
# La variable df contiene el dataframe que se utiliza para generar el graficos OHLC
df = datos.datos_ace(dt(2008, 4, 1, 0, 38, 3), ventana_tiempo,
'humedad')
# Aqui se crea el grafico OHLC para la humedad
fig_1.add_trace(
go.Ohlc(x=df['fecha'],
open=df['open'],
high=df['max'],
low=df['min'],
close=df['close'],
increasing_line_color='blue',
decreasing_line_color='red',
showlegend=True,
name='Humedad'))
fig_1.update(layout_xaxis_rangeslider_visible=False)
titulo_OHLC = datos.titulo_OHLC(ventana_tiempo)
#titulos para ambos graficos OHLC
fig_1.update_layout(title={
'text':
"Datos cada " + str(datos.titulo_freq_datos(ventana_tiempo)) +
" de la Humedad durante " + str(titulo_OHLC) + "<br>(" +
fecha_ini_titulo + " - " + fecha_fin_titulo + ")"
},
yaxis={"title": "Humedad"})
return fig_1
def update_grafico_principal(n_clicks, click_linea_sup, click_linea_inf,
cantidad_sensores, hora, tipo_sensor, sensor,
sensor_multi, fecha, ventana_tiempo,
linea_control_sup, linea_control_inf, ejes, eje):
if len(ejes) < 1:
ejes.append('x')
if fecha != None:
if str(str(fecha).split(sep='T')[0]) == str(
str(datos.fecha_inicial(tipo_sensor, eje)).split(sep=' ')[0]):
#fecha = dt.strptime(str(str(fecha).split(sep='T')[0]) + ' ' + str(str(datos.fecha_inicial()).split(sep=' ')[1]),'%Y-%m-%d %H:%M:%S')
fecha = dt.strptime(
str(str(fecha).split(sep='T')[0]) + ' ' +
datos.crear_hora(hora), '%Y-%m-%d %H:%M:%S')
else:
fecha = dt.strptime(
str(str(fecha).split(sep='T')[0]) + ' ' +
datos.crear_hora(hora), '%Y-%m-%d %H:%M:%S')
else:
fecha = datos.fecha_inicial(tipo_sensor, eje)
#Se inicializan variables
df = pd.DataFrame()
fig_principal = go.Figure()
alert_inf, alert_sup, fecha_peak_sup, fecha_peak_inf = '---', '---', '---', '---'
promedio, maximo, minimo, count_max, count_min, fecha_ultimo_max, fecha_ultimo_min = '---', '---', '---', '---', '---', '---', '---'
#Listas que conteneran cada trace generado por cada dataframe creado para poder visualizarlos en una grafica
trace_principal = []
if n_clicks >= 0:
fecha_ini_titulo, fecha_fin_titulo = datos.fecha_titulo(
fecha, ventana_tiempo)
#Dependiendo del tipo de sensor se crean visualizaciones distintas
if tipo_sensor == 'Acelerometro':
if cantidad_sensores == '1-sensor':
# La variable df contiene el dataframe que se utiliza para generar los graficos OHLC e histograma
new_df = pd.DataFrame()
list_df = []
colors = [
'#e6194b', '#3cb44b', '#ffe119', '#4363d8', '#f58231',
'#911eb4'
]
count = 0
new_count_de = 0
new_count_in = 1
for e in ejes:
start_time = time()
df = datos.datos_ace(fecha, ventana_tiempo, sensor, e)
elapsed_time = time() - start_time
print("Tiempo Transcurrido crear DF: %0.1f seconds." %
elapsed_time)
# Aqui se crea el grafico OHLC
start_time = time()
trace_principal.append(
go.Ohlc(x=df['fecha'],
open=df['open'],
high=df['max'],
low=df['min'],
close=df['close'],
increasing_line_color=colors[new_count_in],
decreasing_line_color=colors[new_count_de],
name=str(
datos.traductor_nombre(sensor) + ' eje: ' +
str(e)),
showlegend=True))
count = count + 1
new_count_in = new_count_in + 2
new_count_de = new_count_de + 2
new_df = df
#lista de dataframe para generar los indicadores resumen
list_df.append(df)
#Variables que contienen los datos a mostrar en los indicadores de promedio, minimo y maximo
promedio, maximo, minimo, count_max, count_min, fecha_ultimo_max, fecha_ultimo_min = datos.datos_mini_container(
new_df, sensor)
df = pd.concat(list_df, axis=0, ignore_index=True)
fig_principal = go.Figure(data=trace_principal)
#Aqui se agregan las lineas de control
if (click_linea_inf > 0 and linea_control_inf != None) and (
click_linea_sup > 0 and linea_control_sup != None):
trace_linea_inf, alert_inf, fecha_peak_inf = datos.lineas_control(
'inf', df, linea_control_inf, 0)
trace_linea_sup, alert_sup, fecha_peak_sup = datos.lineas_control(
'sup', df, 0, linea_control_sup)
trace_linea_inf.extend(trace_linea_sup)
trace_principal.extend(trace_linea_inf)
fig_principal = go.Figure(data=trace_principal)
#Linea de control inferior
elif click_linea_inf > 0 and linea_control_inf != None:
trace_linea_inf, alert_inf, fecha_peak_inf = datos.lineas_control(
'inf', df, linea_control_inf, 0)
trace_principal.extend(trace_linea_inf)
fig_principal = go.Figure(data=trace_principal)
#Linea de control superior
elif click_linea_sup > 0 and linea_control_sup != None:
trace_linea_sup, alert_sup, fecha_peak_sup = datos.lineas_control(
'sup', df, 0, linea_control_sup)
trace_principal.extend(trace_linea_sup)
fig_principal = go.Figure(data=trace_principal)
fig_principal.update(layout_xaxis_rangeslider_visible=False)
titulo_OHLC = datos.titulo_OHLC(ventana_tiempo)
fig_principal.update_layout(
title={
'text':
"Datos cada " +
str(datos.titulo_freq_datos(ventana_tiempo)) +
" del " + str(datos.traductor_nombre(sensor)) +
" durante " + str(titulo_OHLC) + "<br>(" +
fecha_ini_titulo + " - " + fecha_fin_titulo + ")"
},
yaxis={"title": "Aceleración (cm/s²)"})
elapsed_time = time() - start_time
print("Tiempo Transcurrido crear OHLC: %0.1f seconds." %
elapsed_time)
else:
#colores para las graficas
colors = [
'#e6194b', '#3cb44b', '#ffe119', '#4363d8', '#f58231',
'#911eb4', '#46f0f0', '#f032e6', '#bcf60c', '#fabebe',
'#008080', '#e6beff', '#9a6324', '#fffac8', '#800000',
'#aaffc3', '#808000', '#ffd8b1', '#000075', '#808080',
'#ffffff', '#000000', '#e6194b', '#3cb44b', '#ffe119',
'#4363d8', '#f58231', '#911eb4', '#46f0f0', '#f032e6',
'#bcf60c', '#fabebe', '#008080', '#e6beff', '#9a6324',
'#fffac8', '#800000', '#aaffc3', '#808000', '#ffd8b1',
'#000075', '#808080', '#ffffff', '#000000'
]
count = 0
new_count_de = 0
new_count_in = 1
new_df = pd.DataFrame()
new_sensor = ''
list_df = []
#por cada sensor seleccionado se crean df
for sen in sensor_multi:
df = datos.datos_ace(fecha, ventana_tiempo, sen, eje)
#trace para el grafico OHLC
trace_principal.append(
go.Ohlc(x=df['fecha'],
open=df['open'],
high=df['max'],
low=df['min'],
close=df['close'],
increasing_line_color=colors[new_count_in],
decreasing_line_color=colors[new_count_de],
showlegend=True,
name=datos.traductor_nombre(sen)))
count = count + 1
new_count_in = new_count_in + 2
new_count_de = new_count_de + 2
new_df = df
new_sensor = sen
#lista de dataframe para generar los indicadores resumen
list_df.append(df)
#Variables que contienen los datos a mostrar en los indicadores de promedio, minimo y maximo
promedio, maximo, minimo, count_max, count_min, fecha_ultimo_max, fecha_ultimo_min = datos.datos_mini_container(
new_df, new_sensor)
df = pd.concat(list_df, axis=0, ignore_index=True)
fig_principal = go.Figure(data=trace_principal)
#Aqui se agregan las lineas de control
if (click_linea_inf > 0 and linea_control_inf != None) and (
click_linea_sup > 0 and linea_control_sup != None):
trace_linea_inf, alert_inf, fecha_peak_inf = datos.lineas_control(
'inf', df, linea_control_inf, 0)
trace_linea_sup, alert_sup, fecha_peak_sup = datos.lineas_control(
'sup', df, 0, linea_control_sup)
trace_linea_inf.extend(trace_linea_sup)
trace_principal.extend(trace_linea_inf)
fig_principal = go.Figure(data=trace_principal)
#Linea de control inferior
elif click_linea_inf > 0 and linea_control_inf != None:
trace_linea_inf, alert_inf, fecha_peak_inf = datos.lineas_control(
'inf', df, linea_control_inf, 0)
trace_principal.extend(trace_linea_inf)
fig_principal = go.Figure(data=trace_principal)
#Linea de control superior
elif click_linea_sup > 0 and linea_control_sup != None:
trace_linea_sup, alert_sup, fecha_peak_sup = datos.lineas_control(
'sup', df, 0, linea_control_sup)
trace_principal.extend(trace_linea_sup)
fig_principal = go.Figure(data=trace_principal)
fig_principal.update(layout_xaxis_rangeslider_visible=False)
titulo_OHLC = datos.titulo_OHLC(ventana_tiempo)
fig_principal.update_layout(
title={
'text':
"Datos cada " +
str(datos.titulo_freq_datos(ventana_tiempo)) +
", durante " + str(titulo_OHLC) + "<br>(" +
fecha_ini_titulo + " - " + fecha_fin_titulo + ")"
},
yaxis={"title": "Aceleración (cm/s²)"})
elif tipo_sensor == 'weather-station':
# La variable df y dff contiene el dataframe que se utiliza para generar el graficos OHLC
df = datos.datos_ace(fecha, ventana_tiempo, 'temperatura')
# Aqui se crea el grafico OHLC para la temperatura
trace_principal.append(
go.Ohlc(x=df['fecha'],
open=df['open'],
high=df['max'],
low=df['min'],
close=df['close'],
increasing_line_color='green',
decreasing_line_color='red',
showlegend=True,
name='Temperatura'))
fig_principal = go.Figure(data=trace_principal)
#Aqui se agregan las lineas de control
if (click_linea_inf > 0 and linea_control_inf != None) and (
click_linea_sup > 0 and linea_control_sup != None):
trace_linea_inf, alert_inf, fecha_peak_inf = datos.lineas_control(
'inf', df, linea_control_inf, 0)
trace_linea_sup, alert_sup, fecha_peak_sup = datos.lineas_control(
'sup', df, 0, linea_control_sup)
trace_linea_inf.extend(trace_linea_sup)
trace_principal.extend(trace_linea_inf)
fig_principal = go.Figure(data=trace_principal)
#Linea de control inferior
elif click_linea_inf > 0 and linea_control_inf != None:
trace_linea_inf, alert_inf, fecha_peak_inf = datos.lineas_control(
'inf', df, linea_control_inf, 0)
trace_principal.extend(trace_linea_inf)
fig_principal = go.Figure(data=trace_principal)
#Linea de control superior
elif click_linea_sup > 0 and linea_control_sup != None:
trace_linea_sup, alert_sup, fecha_peak_sup = datos.lineas_control(
'sup', df, 0, linea_control_sup)
trace_principal.extend(trace_linea_sup)
fig_principal = go.Figure(data=trace_principal)
fig_principal.update(layout_xaxis_rangeslider_visible=False)
titulo_OHLC = datos.titulo_OHLC(ventana_tiempo)
#titulos para ambos graficos OHLC
fig_principal.update_layout(title={
'text':
"Datos cada " + str(datos.titulo_freq_datos(ventana_tiempo)) +
" de la Temperatura durante " + str(titulo_OHLC) + "<br>(" +
fecha_ini_titulo + " - " + fecha_fin_titulo + ")"
},
yaxis={"title": "Temperatura (°C)"})
#Se obtienen los datos de los indicadores resumen, en este caso pertenecientes a los datos de temperatura
promedio, maximo, minimo, count_max, count_min, fecha_ultimo_max, fecha_ultimo_min = datos.datos_mini_container(
df, 'temperatura')
return promedio, maximo, minimo, fecha_ultimo_max, fecha_ultimo_min, count_max, count_min, alert_sup, alert_inf, fecha_peak_sup, fecha_peak_inf, fig_principal
def update_fecha(tipo_sensor):
ini = datos.fecha_inicial(tipo_sensor, 'x')
fin = datos.fecha_final(tipo_sensor, 'x')
return ini, fin, ini, ini
dcc.Loading(
id="carga-elegir-fecha",
children=[
dcc.DatePickerSingle(
id='elegir-fecha',
display_format='DD/MM/YYYY',
min_date_allowed=datos.
fecha_inicial(
'Acelerometro', 'x'),
max_date_allowed=datos.
fecha_final(
'Acelerometro', 'x'),
initial_visible_month=datos
.fecha_inicial(
'Acelerometro', 'x'),
date=datos.fecha_inicial(
'Acelerometro', 'x')),
],
type="default")
],
style={'textAlign': 'center'}),
html.Br(),
html.P("Seleccione Ventana de Tiempo",
className="control_label",
style={
'textAlign': 'center',
'font-size': '20px'
}),
html.Div([
dcc.Loading(
id="carga-ventana-tiempo",
children=[