def refreshTienda(request):
df = pd.read_sql('select * from catdosis', con=dbConect.ehost())
mercados = sorted(list(set(df['MERCADO'].tolist())))
#mercados = list(set(df[df['Farmacia'].isin(tienda)].tolist()))
return JsonResponse({'mercados': mercados})
def refreshMercado(request):
mercados = request.GET.getlist('mercado')
if mercados[0] == "ALL" or len(mercados) == 0:
familias = ['ALL']
else:
df = pd.read_sql('select * from catdosis', con=dbConect.ehost())
mercadosDF = df[df['MERCADO'].isin(mercados)]
familias = sorted(list(set(mercadosDF['FAMILIA'].tolist())))
return JsonResponse({'familias': familias})
def refreshBrands(request):
mercados = request.GET.getlist('mercado')
familias = request.GET.getlist('familia')
marcas = request.GET.getlist('brands')
if mercados[0] == "ALL" or familias[0] == "ALL" or marcas[
0] == "ALL" or len(mercados) == 0 or len(familias) == 0 or len(
marcas) == 0:
sku = ['ALL']
else:
df = pd.read_sql('select * from catdosis', con=dbConect.ehost())
marcasDF = df[df['MERCADO'].isin(mercados)
& df['FAMILIA'].isin(familias)
& df['MARCA'].isin(marcas)]
sku = sorted(list(set(marcasDF['HOMOLOGADO'].tolist())))
return JsonResponse({'sku': sku})
def consultaPrecios(request):
fechaIni = request.GET.get('initial-date')
fechaFin = request.GET.get('last-date')
tipoChart = request.GET.get('chart-style')
tipoMedida = request.GET.get('measure')
tipoItem = request.GET.get('nom-item')
verChart = request.GET.get('chart-views')
tienda = request.GET.getlist('tienda')
mercado = request.GET.getlist('mercado')
familia = request.GET.getlist('familia')
marcas = request.GET.getlist('brands')
sku = request.GET.getlist('sku')
df = pd.read_sql('select * from precios', con=dbConect.ehost())
df['fecha'] = pd.to_datetime(df['fecha'])
df['fecha'] = df['fecha'].apply(lambda x: x.date())
# Filtro fechas inicial y final
if fechaIni == "" or fechaFin == "":
f1 = df.copy()
else:
lfechaIni = fechaIni.split("-")
dfechaIni = datetime.date(int(lfechaIni[0]), int(lfechaIni[1]),
int(lfechaIni[2]))
lfechaFin = fechaFin.split("-")
dfechaFin = datetime.date(int(lfechaFin[0]), int(lfechaFin[1]),
int(lfechaFin[2]))
#fecha = [dfechaIni, dfechaFin]
f1 = df[(df['fecha'] >= dfechaIni) & (df['fecha'] <= dfechaFin)]
#f1 = df[df['fecha'].isin(fecha)]
# Filtro tienda
if len(tienda) == 0:
f2 = f1.copy()
else:
f2 = f1[f1['Farmacia'].isin(tienda)]
del f1
#Filtro mercado
if len(mercado) == 0 or mercado[0] == "ALL":
f3 = f2.copy()
else:
f3 = f2[f2['MERCADO'].isin(mercado)]
del f2
#Filtro familias
if len(familia) == 0 or familia[0] == "ALL":
f4 = f3.copy()
else:
f4 = f3[f3['FAMILIA'].isin(familia)]
del f3
#Filtro marcas
if len(marcas) == 0 or marcas[0] == "ALL":
f5 = f4.copy()
else:
f5 = f4[f4['MARCA'].isin(marcas)]
del f4
#Filtro sku
if len(sku) == 0 or sku[0] == "ALL":
f6 = f5.copy()
else:
f6 = f5[f5['HOMOLOGADO'].isin(sku)]
del f5
#Hacemos las tablas pivote
if tipoItem == "MARKET":
variable = "MERCADO"
elif tipoItem == "LABORATORY":
variable = "LABORATORIO"
elif tipoItem == "FAMILY":
variable = "FAMILIA"
elif tipoItem == "BRAND":
variable = "MARCA"
elif tipoItem == "SKU":
variable = "HOMOLOGADO"
if verChart == "ITEM - STORE":
take = [variable, 'Farmacia']
else:
take = ['Farmacia', variable]
if tipoMedida == "LOCAL PRICE":
medidas = 'Precio'
elif tipoMedida == "SINGLE DOSES":
medidas = "ppack"
elif tipoMedida == "DOT":
medidas = "dots"
matriz = []
tablon = pd.pivot_table(f6,
index=take,
columns='fecha',
values=medidas,
aggfunc=np.mean,
dropna=True,
fill_value=0,
margins=True)
tablon = tablon.reset_index()
tablon = tablon.iloc[:, :-1]
tablon = tablon[:-1]
tablon = tablon.round(2)
ncolumna = list(tablon)
lista = list(set(tablon[ncolumna[0]].tolist()))
for i in range(len(lista)):
# Hacemos filtro para cada elemento de la lista
tabla = tablon[tablon[ncolumna[0]].isin([lista[i]])]
l1 = list(tabla)
t1 = pd.DataFrame()
for x in xrange(1, len(l1)):
t1[l1[x]] = tabla[l1[x]]
#Cambiamos las fechas a cadenas
columns = list(t1)
for j in xrange(1, len(columns)):
deits = unicode(columns[j])
columns[j] = deits
t1 = t1.set_index(take[1])
t1 = t1.transpose()
columns = list(t1)
columns.insert(0, 'Date')
rows = [[i for i in row] for row in t1.itertuples()]
rows.insert(0, columns)
matriz.append(rows)
return JsonResponse({
'matriz': matriz,
'elementos': lista,
'tchart': tipoChart
})
#!/usr/bin/python2.7
import pandas as pd
from dbConect import dbConect
import datetime
cathomologado = pd.read_csv(
"C:/KREA MAS/DATOS PARA WEB PRICE/cathomologado.csv", encoding='latin1')
cathomologado.to_sql(name='cathomologado',
con=dbConect.ehost(),
if_exists='replace',
index=False,
chunksize=1000)
base = pd.read_csv("C:/KREA MAS/DATOS PARA WEB PRICE/precios.csv", sep="|")
base.to_sql(name='precios',
con=dbConect.ehost(),
if_exists='replace',
index=False,
chunksize=1000)
cambio = pd.read_csv("C:/KREA MAS/DATOS PARA WEB PRICE/cambio.csv")
cambio.to_sql(name='catcambio',
con=dbConect.ehost(),
if_exists='replace',
index=False,
chunksize=1000)
catalogos = pd.read_csv("C:/KREA MAS/DATOS PARA WEB PRICE/catalogos.csv")
catalogos.to_sql(name='catdosis',
con=dbConect.ehost(),
if_exists='replace',
#catalogos = pd.read_csv("C:/KREA MAS/DATOS PARA WEB PRICE/catalogos.csv")
#catalogos.to_sql(name = 'catdosis', con = dbConect.ehost(), if_exists = 'replace', index = False, chunksize = 1000)
#print(catalogos.head(5))
#catalogos = pd.read_csv("C:/KREA MAS/DATOS PARA WEB PRICE/cathomologado.csv")
#catalogos.to_sql(name = 'cathomologado', con = dbConect.ehost(), if_exists = 'replace', index = False, chunksize = 1000)
#print(catalogos.head(5))
#farmacia = pd.read_csv("C:/KREA MAS/DATOS PARA WEB PRICE/FARMACIAS SAN PABLO.csv", sep = "|")
#farmacia.drop(farmacia.columns[[0]], axis=1, inplace=True)
#farmacia.to_sql(name = 'precios', con = dbConect.ehost(), if_exists = 'replace', index = False, chunksize = 1000)
#print(farmacia.head(5))
#print(list(farmacia))
#Nos quedamos solo con los que están en el catalogo
catDF = pd.read_sql('select * from cathomologado', con=dbConect.ehost())
#Nos quedamos con los diferentes de NULL
catDF = catDF[catDF['SKU'].notnull()]
#Concatenamos Fuente - SKU
catDF['cadena'] = catDF['FUENTE'] + '@' + catDF['SKU']
#Borramos Fuente y SKU (solo nos interesan los homologados)
catDF = catDF.drop(['FUENTE'], axis=1)
catDF = catDF.drop(['SKU'], axis=1)
#Nos quedamos solo con los que están en el catalogo
catDosis = pd.read_sql('select * from catdosis', con=dbConect.ehost())
#farmacia = [['COMERCIAL MEXICANA','http://www.superensucasa.com/ccm/goBusqueda.action?succId=329&ver=mislistas&succFmt=100#/'],['HEB', 'http://www.heb.com.mx/catalogsearch/result/index/?cat=+995+&limit=36&q='], ['FARMACIAS SAN PABLO', 'https://www.farmaciasanpablo.com.mx/search/?text='], ['FARMACIAS DEL AHORRO', 'http://www.fahorro.com/catalogsearch/result/?q=']]