def alterar_pessoa():
nome_pessoa = request.args.get("nome_pessoa")
idade = request.args.get("idade")
genero = request.args.get("genero")
cpf = request.args.get("cpf")
for i in range(len(lista_pessoas)):
if lista_pessoas[i].nome_pessoa == nome_original:
indice = i
break
if indice >= 0:
lista_pessoas[indice] = Pessoa(nome_pessoa, idade, ida, volta)
return listar_pessoa()
def add_aluno(self, data):
try:
p = Pessoa(data['nome'], data['email'], data['telefone'])
pessoa = self.ctrl_pessoa.add_pessoa(p)
aluno = Aluno(pessoa['idx'])
aluno.resumo = data.get('resumo')
aluno.idx = random.randint(0x0000, 0xffff)
db.session.add(aluno)
db.session.commit()
return self.dump_aluno(aluno)
except IntegrityError as e:
db.session.rollback()
raise e
def cadastar_Pessoa():
resp = jsonify({"resultado": "ok", "detalhes": "ok"})
dados = request.get_json()
try:
nova_p = Pessoa(**dados)
db.session.add(nova_p)
add_p_sala(nova_Pessoa.sala_1_id, nova_Pessoa.id_pessoa, 1)
add_p_cafe(nova_Pessoa.ecafe_1_id, nova_Pessoa.id_pessoa, 1)
db.session.commit()
except Exception as x:
resposta = jsonify({"resultado": "erro", "detalhes": str(x)})
resp.headers.add("Access-Control-Allow-Origin", "*")
return resp
def add_professor(self, nome, email, senha, telefone, sala):
pessoa = Pessoa(nome, email, telefone)
pessoa_dict = self.ctrl_pessoa.add_pessoa(pessoa)
professor = Professor(pessoa_dict['idx'], sala)
try:
professor.idx = random.randint(0x0000, 0xffff)
user = User(email, senha, professor.idx)
db.session.add(professor)
db.session.add(user)
db.session.commit()
return self.dump_professor(professor)
except IntegrityError as e:
db.session.rollback()
return dict(error='IntegrityError', message=str(e))
def incluir_pessoa():
#info básica
form_nome_pessoa = request.args.get("input_nome_pessoa")
form_idade = request.args.get("input_idade")
form_genero = request.args.get("input_genero")
form_cpf = request.args.get("input_cpf")
nova_pessoa = Pessoa(model_pk=lista_pessoas[-1].pk +
1 if lista_pessoas else 1,
model_nome_pessoa=form_nome_pessoa,
model_idade=form_idade,
model_genero=form_genero,
model_cpf=form_cpf)
lista_pessoas.append(nova_pessoa)
return render_template(
'success_pessoa.html',
mensagem=f"Pessoa {nova_pessoa.nome_pessoa} foi inserida com sucesso!")
def incluir_pessoa():
resposta = jsonify({
"resultado": "Sucesso!",
"detalhes": "Seu cadastro foi um sucesso!"
})
dados = request.get_json()
try:
pessoa = Pessoa(**dados)
#Coloquei a foto de perfil como opcional, então a pessoa pode ter, ou não.
if (dados["fotoperfil"] != None):
pessoa.fotoperfil = salvar_imagem_perfil('/imagens',
(dados["fotoperfil"]))
#Retiro os caracteres da máscara do cpf, afim de não causar maus entendidos no db.
#Escolhi o cpf como chave primária por conta de que aprendi que quando mexemos com pessoas em banco de dados
#essa é a melhor opção.
pessoa.cpf = pessoa.cpf.replace(".", "")
pessoa.cpf = pessoa.cpf.replace("-", "")
sala1 = pessoa.sala_um_id
sala2 = pessoa.sala_dois_id
espaco1 = pessoa.espacocafe_um_id
espaco2 = pessoa.espacocafe_dois_id
#Aqui, dependendo da sala que a pessoa escolher, eu faço a lotação aumentar.
if sala1 == sala2:
salaescolhida = Sala.query.get(sala1)
salaescolhida.lotacao += 1
else:
salaescolhida1 = Sala.query.get(sala1)
salaescolhida1.lotacao += 1
salaescolhida2 = Sala.query.get(sala2)
salaescolhida2.lotacao += 1
db.session.add(pessoa)
db.session.commit()
except Exception as e:
resposta = jsonify({"resultado": "Erro!", "detalhes": str(e)})
resposta.headers.add("Access-Control-Allow-Origin", "*")
return resposta
from model import Pessoa, calc_por
with open("../pessoas.csv", 'r') as file:
arr = []
next(file)
for linha in file:
nome, idade, sexo = linha.strip().split(',')
arr.append(Pessoa(nome, idade, sexo))
result = calc_por(arr)
cols = [
'Porcentagem de Homens', 'Porcentagem de Mulheres',
'Quantidade de maiores de idade', 'Quantidade de menores de idade'
]
with open("estatisticas.csv", 'w') as out_file:
out_file.write('Análise estatistica do arquivo pessoas.csv\n')
out_file.write(','.join(cols) + '\n')
out_file.write(','.join(list(map(str, result))) + '\n')
def lambda_handler(event, context):
# table column names
person_keys = [
'nome_completo', 'email', 'username', 'password', 'genero', 'photo'
]
# names where i will use the similarity function
# These names are the same from that we get flatted dicts
person_keys_words = [['name_first', 'name_last'], ['email'],
['login_username'], ['login_password'], ['gender'],
['picture_large']]
person = dict.fromkeys(person_keys, None)
person_search = {}
# now i nest boot dicts, each column name with yours keys
# i do the same with address data
for key, value in zip(person_keys, person_keys_words):
person_search[key] = {}
for v in value:
person_search[key][v] = {}
address_keys = ['rua', 'numero', 'cidade', 'estado']
address_keys_words = [['location_street_name'], ['location_street_number'],
['location_city'], ['location_state']]
address = dict.fromkeys(address_keys, None)
address_search = {}
for key, value in zip(address_keys, address_keys_words):
address_search[key] = {}
for v in value:
address_search[key][v] = {}
# get data from API
response = requests.get('https://randomuser.me/api/')
json_data = json.loads(response.text)
user_data = json_data['results'][0]
# flat json data
user_data_flatt = flatten(user_data)
person_search = join_data(person_search, user_data_flatt)
address_search = join_data(address_search, user_data_flatt)
person_dict = clean_dict(person_search, person)
address_dict = clean_dict(address_search, address)
# get image data
response = requests.get(person_dict["photo"])
#response.raw.decode_content = True
# convert to base to be possible to save in postgres
person_dict["photo"] = b64encode(response.content)
# create connection and session with database
engine = create_engine(db_string, echo=True)
Session = sessionmaker(bind=engine)
s = Session()
pessoa = Pessoa(**person_dict)
# add data and get get the instance primary key to be used as foreign key in address instance
s.add(pessoa)
s.flush()
pessoa_id = pessoa.id
address_dict["pessoa_id"] = pessoa.id
endereco = Endereco(**address_dict)
s.add(endereco)
s.commit()
s.close()
# save raw data in s3 bucket, this ios important to data scientists and machine learning engineers
bucket_name = "rbs-case"
file_name = str(pessoa_id) + ".json"
s3_path = "randomuser/" + file_name
json_data["aquisition_date"] = "{:%Y%m%d_%H%M%s}".format(datetime.now())