/
main.py
246 lines (205 loc) · 10.4 KB
/
main.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
import numpy as np
import pandas as pd
import json
import io
from collections import OrderedDict
# временное решение для отключения print в файле
def opt_print(func):
def wrapped(*args, **kwargs):
if opt_print.do_print:
return func(*args, **kwargs)
return wrapped
opt_print.do_print = False # True - включить print, False - выключить print
print = opt_print(print)
# упорядоченный словарь
# хранит порядок перехода от кириллицы к латинице
# хранит порядок столбцов в таблице слева направо
ru_en = OrderedDict(
{
"ПАО+ДЗО+ДИТ": "PAO_DZO_DIT",
"ПАО+ДИТ": "PAO_DIT",
"ПАО": "PAO",
"ЦА": "CA",
"ПЦП": "PCP",
"ТБ": "TB",
"ВСП": "VSP",
"ДИТ": "DIT",
"ДЗО": "DZO"
}
)
# упорядоченный словарь для перехода от латиницы к кирилице
en_ru = OrderedDict({v: k for k, v in ru_en.items()})
def df_to_pivot(df: pd.DataFrame) -> pd.DataFrame:
"""
Делает сводную таблицу для датафрейма с агрегацией ПАО и проч.
:param df: датафрейм
:return: сводный датафрейм
"""
# создание сводной таблицы и устранение None из результата
pt = pd.pivot_table(df, "Value", index="Block_Tag", columns="Org_Tag", aggfunc=np.sum)
pt = pt.fillna(0)
# сбор и вставка дополнительных колонок-агрегатов
pt["ПАО"] = pt.apply(lambda row: row["ЦА"] + row["ПЦП"] + row["ТБ"] + row["ВСП"], axis=1)
pt["ПАО+ДИТ"] = pt.apply(lambda row: row["ПАО"] + row["ДИТ"], axis=1)
pt["ПАО+ДЗО+ДИТ"] = pt.apply(lambda row: row["ПАО+ДИТ"] + row["ДЗО"], axis=1)
# перевод названий колонок в латиницу
pt = pt.rename(columns=ru_en)
return pt
def df_to_json(df: pd.DataFrame, date: str = "") -> str:
"""
Переводит датафрейм в кастомный вложенный жсон
:param df: датафрейм
:param date: дата, которая подставится в шапку
:return: вложенное json представление датафрейма
"""
# хранит в себе всё json-представление датафрейма
json_view = {"headers": [
{
"id": "block",
"value": "Блок"
},
{"id": "fact",
"value": f"{date} УТВЕРЖДЁННЫЙ БП (ПЛАН + ПРИКАЗЫ)",
"nested": []
},
{"id": "staff",
"value": f"{date} СКОРР. ПЛАН (ПРЕДЛОЖЕНИЯ БЛОКОВ - численность загружена в АС Simplex)",
"nested": []
},
{"id": "delta",
"value": f"Дельта {date} СКОРР. ПЛАН - {date} УТВЕРЖДЁННЫЙ БП",
"nested": []
}
], "rows": []}
# Создание всех вложенных структур для fact, staff и block с автоматическим id
# и названием в шапке из упорядоченного словаря ru_en для обеспечения нужного порядка.
# Comprehension на каждой итерации для того, чтобы списки были независимые без использования deepcopy.
for i in range(1, len(json_view["headers"])):
json_view["headers"][i]["nested"] = [{"id": ru_en[elem], "value": elem} for elem in ru_en]
# проход по строчкам из датафрейма и запись в json
for i, elem in enumerate(df.iterrows()):
row = f"row{i}"
# запись базового элемента строки - её id, название блока, а также значения для свёрнутого вида
# elem[0] - заголовок строки (название блока)
# elem[1] - значения колонок
# elem[1][8, 17, 26] - значения из колонки ПАО+ДЗО+ДИТ для свёрнутого вида
# TODO: это ненадёжно, нужно по заголовку
json_view["rows"].append({"id": row, "rowValues": [
{"id": "block", "value": elem[0]}, # название строки (блока)
{"id": "fact", "value": elem[1][8], "nested": []}, # данные из плана
{"id": "staff", "value": elem[1][17], "nested": []}, # данные из предложений
{"id": "delta", "value": elem[1][26], "nested": []} # дельта
]})
# работа с nested содержимым строки
# срезы из строки по трём таблицам (было, предложено, дельта)
# таблица изначально была объединена, поэтому используются индексы
slice1 = elem[1][0:9]
slice2 = elem[1][9:18]
slice3 = elem[1][18:27]
# для каждого среза
# пробегаемся по упорядоченному списку названий столбцов в en_ru
# название столбца из списка используем как id для элемента строки
# а также как индекс для series из среза
# так обеспечивается желаемый порядок столбцов в json
json_view["rows"][-1]["rowValues"][1]["nested"] = [{"id": str(ind), "value": slice1[ind]} for ind in en_ru]
json_view["rows"][-1]["rowValues"][2]["nested"] = [{"id": str(ind), "value": slice2[ind]} for ind in en_ru]
json_view["rows"][-1]["rowValues"][3]["nested"] = [{"id": str(ind), "value": slice3[ind]} for ind in en_ru]
# переводим в json
# myconverter для перехода из типов numpy в python
# ensure_ascii для кириллицы
json_view = json.dumps(json_view, default=myconverter, ensure_ascii=False)
return json_view
def myconverter(obj):
"""
Конвертер из numpy типов в python для json
:param obj:
:return:
"""
if isinstance(obj, np.integer):
return int(obj)
elif isinstance(obj, np.floating):
return float(obj)
elif isinstance(obj, np.ndarray):
return obj.tolist()
# df to binary file with excel type
def df_to_binary_excel(df):
"""
Переводит датафрейм в excel таблицу
:param df:
:return:
"""
towrite = io.BytesIO()
df.to_excel(towrite, engine='xlsxwriter') # write to BytesIO buffer
towrite.seek(0)
return towrite.getvalue()
def process_xls(table_name: str = "denis_debug.xlsx", excel=False): # , date="2021-01-01"):
"""
Достаёт датафрейм из xlsx
:param table_name: название файла
:param excel: нужно ли экспортировать в excel
:return: см process_dataframe
"""
print("Начал чтение")
head = pd.read_excel(table_name)
print("Прочитал")
return process_dataframe(head, excel=excel)
def add_total_row(df: pd.DataFrame) -> pd.DataFrame:
"""
Добавляет строчку с total суммами по столбцам к итоговой таблице
:param df: финальный датафрейм с тремя конкатенированными таблицами
:return: датафрейм с добавленной строкой сумм
"""
sumrow = pd.DataFrame(columns=df.columns)
indx = sumrow.index
sumrow = sumrow.append(df.sum(numeric_only=True), ignore_index=True)
sumrow.index = indx.union(["Total"])
df = pd.concat([sumrow, df])
return df
#
# \/ Функция внизу \/
# ============================================================
#
def process_dataframe(df: pd.DataFrame, excel: bool = False):
"""
Читает датафрейм и делает из него сводную таблицу в json
/или excel - пока не реализовано/
:param df: датафрейм
:param excel: Возвращать excel вместо json
:return: сводная таблица в выбранном формате
"""
print("Читаю колонки")
df = pd.DataFrame(df, columns=["Status", "Value", "ValueDate", "Org_Tag", "Block_Tag"])
# дроп нулей в org_tag и block_tag
df = df[(df[["Org_Tag", "Block_Tag"]].notnull()).all(axis=1)]
print("Убираю нули в остальных колонках")
df = df.fillna(0)
date = df["ValueDate"].values[0] # получаю дату
print("Выборка")
default = df_to_pivot(df[df["Status"].astype(int) == 0])
edited = df_to_pivot(df[df["Status"].astype(int) == 1])
delta = edited - default
print("Экспорт")
# EXCEL
if excel:
# добавляю заголовки табличек
default.columns = pd.MultiIndex.from_product(
[[f"{date} УТВЕРЖДЁННЫЙ БП (ПЛАН + ПРИКАЗЫ)"], default.columns])
edited.columns = pd.MultiIndex.from_product(
[[f"{date} СКОРР. ПЛАН (ПРЕДЛОЖЕНИЯ БЛОКОВ - численность загружена в АС Simplex)"], edited.columns])
delta.columns = pd.MultiIndex.from_product(
[[f"Дельта {date} СКОРР. ПЛАН - {date} УТВЕРЖДЁННЫЙ БП"], delta.columns])
# объединяю три таблицы
summary = pd.concat([default, edited, delta], axis=1, sort=False)
# добавляю строку с суммами
summary = add_total_row(summary)
# обратное переименовывание
summary = summary.rename(columns=en_ru)
# summary.to_excel('excel_export.xlsx')
# exit()
return df_to_binary_excel(summary)
# JSON
summary = pd.concat([default, edited, delta], axis=1, sort=False)
summary = add_total_row(summary)
return df_to_json(summary, date=date)
if __name__ == "__main__":
print(process_xls())