def Do_Importacao():
id = getattr(request.forms, 'id')
tipo = getattr(request.forms, 'tipo')
nome = getattr(request.forms, 'nome')
valor = getattr(request.forms, 'valor')
arquivo = request.files.get('arquivo')
fileName, ext = os.path.splitext(arquivo.filename)
if tipo == 'C' and ext != '.csv':
return 'Arquivo inválido <br><a href="#" onclick="window.history.go(-1)">Voltar</a>'
if tipo == 'J' and ext != '.csv':
return 'Arquivo inválido <br><a href="#" onclick="window.history.go(-1)">Voltar</a>'
if arquivo != None:
path = "/home/bstoll/mysite/arquivosUpld"
#path = "C:\Users\bstoll\source\repos\LA-Intervencao\LA-Intervencao\LA-Intervencao.pyproj\arquivosUpld"
path_save = "{path}/{file}".format(path=path, file=arquivo.filename)
if os.path.isfile(path_save):
os.remove(path_save)
arquivo.save(path_save)
valor = path_save
obj = imp.ObterFonte(id)
obj.tipo = tipo
obj.nome = nome
obj.valor = valor
imp.SalvarFonte(obj)
redirect('/importacao')
def Do_Tabelas_Sel():
formulario = request.forms
id = formulario.get('id')
lista = imp.ListarTabelasFonte(id)
for tb in lista:
tabela = tb['tabela']
if formulario.get(tabela) == None:
imp.RemoverTabela(tabela)
else:
imp.ExecutarImportacao(id)
redirect('/importacao')
def mineracao_dados_cluster():
seg.ChecarPerfil(seg.PERFIL_Analista)
idTabela = request.params.get('idTabela')
id = request.params.get('id')
tabela = imp.ObterTabela(idTabela)
tabDesc = dm.ObterTabelaDescr(id)
#objModelo = {
# 'n_clusters': qtd_clusters,
# 'modeloDados': modeloDados,
# 'clusters': clusters.tolist(),
# 'labels' : labels.tolist()
# }
modelo = json.loads(tabDesc.modelo)
n_clusters = modelo['n_clusters']
modeloDados = modelo['modeloDados']
clusters = modelo['clusters']
labels = modelo['labels']
display = modelo['display']
lista = []
for itemCluster in clusters:
valores2 = []
for valor in itemCluster:
valores2.append(int(round(valor, 3)))
lista.append(valores2)
grf = comp.grfBolha('Clusters', lista, labels, '')
return dict(tabela=tabela, display=display, htmlGrf=grf.grf, jsGrf=grf.js)
def Association(idTabela, filtro, qtd_regras):
tabela = imp.ObterTabela(idTabela)
sql = dbTab.GerarSQL(idTabela, 'S')
if tabela.sql_sem_hist != None and tabela.sql_sem_hist != '':
if filtro == 'H':
sql = sql + ' WHERE NOT (' + tabela.sql_sem_hist + ')'
elif filtro == 'A':
sql = sql + ' WHERE (' + tabela.sql_sem_hist + ')'
lista = db.consultarSQL(sql)
regras = desc.Association(lista, int(qtd_regras))
dp_regras = json.dumps(regras)
session = db.getSession()
tabDesc = session.query(db.TabelaDescricao).filter_by(
id_tabela=idTabela).filter_by(id_alg=id_alg_rule_association).first()
if tabDesc == None:
tabDesc = db.TabelaDescricao(None, idTabela, id_alg_rule_association,
dp_regras, datetime.now())
session.add(tabDesc)
else:
tabDesc.modelo = dp_regras
tabDesc.dt_processo = datetime.now()
session.commit()
session.close()
return tabDesc
def mineracao_dados_prever():
seg.ChecarPerfil(seg.PERFIL_Analista)
idTabela = request.params.get('id')
tabela = imp.ObterTabela(idTabela)
tabPrev = dm.ObterTabelaPredicao(idTabela)
tabPrevAlg = None
colunaClasse, id_coluna = meta.ObterColunaClasse(idTabela)
tabelaPrev = dm.ObterDadosPrevisao(idTabela)
colunas = []
for col in tabelaPrev.columns:
if col == "rowid":
continue
coluna = meta.ObterColunaPorTabNome(idTabela, col)
colunas.append({'campo': coluna.nome, 'titulo': coluna.titulo})
grid = comp.gridSP('Modelo DB para previsão', tabelaPrev, colunas, '')
for alg in tabPrev.Alg:
if alg.selecionado:
tabPrevAlg = alg
return dict(idTabela=idTabela,
tabela=tabela,
tabPrev=tabPrev,
tabPrevAlg=tabPrevAlg,
colunaClasse=colunaClasse,
grid=grid)
def SelTabelas():
seg.ChecarPerfil(seg.PERFIL_Analista)
id = request.params.get('id')
lista = imp.ListarTabelasFonte(id)
return dict(lista=lista, id=id)
def do_transformacao():
seg.ChecarPerfil(seg.PERFIL_Analista)
nome = getattr(request.forms, 'nome')
sql = getattr(request.forms, 'sql')
persistir = getattr(request.forms, 'pers')
descricao = 'Gerado pela transformacao'
nome = '__' + nome
tabela = imp.ObterTabela('0')
tabela.nome = nome
tabela.descricao = descricao
tabela.sql_origem = sql
tabela.id_fonte_dados = fonte_dados_transformacao
if persistir == 'N':
tabela.sql_destino = sql
else:
tabela.sql_destino = None
imp.SalvarTabela(tabela)
if persistir == 'S':
imp.CriarTabelaDoSql(sql, nome)
imp.CriarIndices(nome)
imp.GerarColunas(nome)
else:
imp.GerarColunasComSQL(nome, sql)
tabela = imp.ObterTabelaPorNome(nome)
redirect('/colunas?id=' + str(tabela.id))
def do_tabela_def():
id = getattr(request.forms, 'id')
descricao = getattr(request.forms, 'descricao')
sql_destino = getattr(request.forms, 'sql_destino')
sql_sem_hist = getattr(request.forms, 'sql_sem_hist')
pln = getattr(request.forms, 'pln')
tabela = imp.ObterTabela(id)
tabela.descricao = descricao
tabela.sql_destino = sql_destino
tabela.sql_sem_hist = sql_sem_hist
tabela.pln = "s" if pln == 'on' else "n"
imp.SalvarTabela(tabela)
redirect('/importacao')
def ObterTotalRegistros(idTabela):
tabela = imp.ObterTabela(idTabela)
sql_table = tabela.nome
if not (tabela.sql_destino == None or tabela.sql_destino == ''):
sql_table = tabela.sql_destino
sql = 'SELECT COUNT(*) AS qtd FROM ' + sql_table
resultado = db.consultarSQL(sql)
return resultado[0]['qtd']
def Obter():
seg.ChecarPerfil(seg.PERFIL_Analista)
id = request.params.get('id')
obj = imp.ObterFonte(id)
return json.dumps({
'id': obj.id,
'nome': obj.nome,
'tipo': obj.tipo,
'valor': obj.valor
})
def edtTabela():
seg.ChecarPerfil(seg.PERFIL_Analista)
id = request.params.get('id')
tabela = imp.ObterTabela(id)
if tabela.descricao == None:
tabela.descricao = ''
if tabela.sql_destino == None:
tabela.sql_destino = ''
return dict(tabela=tabela)
def pre_processamento():
seg.ChecarPerfil(seg.PERFIL_Analista)
listaTabelas = imp.ListarTabelas()
idTabela = request.params.get('idTabela')
idColuna = request.params.get('idColuna')
nomeColuna = ''
nomeTabela = ''
sql=''
for tab in listaTabelas:
tab.selecionado = False
if idTabela == None:
idTabela = 0
else:
for tab in listaTabelas:
if int(tab.id) == int(idTabela):
tab.selecionado = True
nomeTabela = tab.nome
listaColunas = meta.ListarColunas(idTabela)
for col in listaColunas:
col.selecionado = False
if idColuna == None:
idColuna = 0
else:
for col in listaColunas:
if int(col.id) == int(idColuna):
col.selecionado = True
nomeColuna = col.nome
sql = col.sql
resultado = None
if idColuna != 0 and idTabela != 0:
resultado = pre.RetornarValoresColuna(idTabela, idColuna)
grfPizza = comp.grfPizza('Valores Válidos', resultado, 'COL', 'qtd', 'Valores válidos para a coluna selecionada');
return dict(listaTabelas=listaTabelas,
listaColunas=listaColunas,
nomeTabela=nomeTabela,
nomeColuna=nomeColuna,
idTabela=idTabela,
idColuna=idColuna,
sql=sql,
grfPizza=grfPizza.grf,
scriptGrafico=grfPizza.js)
def RetornarValoresColuna(idTabela, idColuna):
tabela = imp.ObterTabela(idTabela)
coluna = meta.ObterColuna(idColuna)
sql_table = tabela.nome
if not (tabela.sql_destino == None or tabela.sql_destino == ''):
sql_table = tabela.sql_destino
sql = 'SELECT COUNT(*) AS qtd, ' + coluna.sql + ' as COL FROM "' + sql_table + '" GROUP BY COL'
#resultado = db.consultarSQL(sql)
resultado = db.consultarSQLDataFrame(sql)
return resultado
def mineracao_dados_rule_assoc():
seg.ChecarPerfil(seg.PERFIL_Analista)
idTabela = request.params.get('idTabela')
id = request.params.get('id')
tabela = imp.ObterTabela(idTabela)
tabDesc = dm.ObterTabelaDescr(id)
regras = json.loads(tabDesc.modelo)
regrasOrdenadas = sorted(regras, key=itemgetter('lift'), reverse=True)
objTree = comp.treeView(regrasOrdenadas, 'campos', 'lift', 'Regras')
return dict(tabela=tabela, treeView=objTree.grf, jsTree=objTree.js)
def mineracao_dados_outlier():
seg.ChecarPerfil(seg.PERFIL_Analista)
idTabela = request.params.get('idTabela')
id = request.params.get('id')
tabela = imp.ObterTabela(idTabela)
tabDesc = dm.ObterTabelaDescr(id)
modelo = json.loads(tabDesc.modelo)
grfOutlier = comp.grfOutliers(modelo['lista'], modelo['campoD'],
modelo['campoV'])
return dict(tabela=tabela, htmlGrf=grfOutlier.grf, jsGrf=grfOutlier.js)
def ObterAlunosParaRecomendacoes(id_aluno):
listaMensanges = []
nomeAluno = ''
tx_acerto = 0
nomeColuna, id_colunaClasse = meta.ObterColunaClasse()
colunaClasse = meta.ObterColuna(id_colunaClasse)
tabela = imp.ObterTabela(colunaClasse.id_tabela)
colunaIdAluno = meta.ObterColunaIdAluno(colunaClasse.id_tabela)
listaAlunos = []
listaColunas = []
listaColunas.append(colunaIdAluno.id)
listaColunas.append(colunaClasse.id)
sql = dbTab.GerarSQL(tabela.id, 'O', listaColunas)
dfAlunos = db.consultarSQLDataFrame(sql)
session = db.getSession()
for index, row in dfAlunos.iterrows():
usuario = session.query(
db.Usuario).filter_by(login=row[colunaIdAluno.nome]).first()
usuario.selecionado = False
if id_aluno == usuario.id:
nomeAluno = usuario.nome
usuario.selecionado = True
listaAlunos.append(usuario)
session.close()
algPredicao = ObterTabelaPredicao(tabela.id)
for alg in algPredicao.Alg:
if alg.selecionado:
tx_acerto = alg.tx_acerto
if id_aluno != 0:
listaMensanges = ObterRecomendacoesPorAluno(id_aluno)
return dict(listaAlunos=listaAlunos,
listaMensanges=listaMensanges,
id_aluno=id_aluno,
nomeAluno=nomeAluno,
tx_acerto=tx_acerto)
def Cluster(idTabela, filtro, qtd_clusters):
tabela = imp.ObterTabela(idTabela)
sql = dbTab.GerarSQL(idTabela, 'S')
if tabela.sql_sem_hist != None and tabela.sql_sem_hist != '':
if filtro == 'H':
sql = sql + ' WHERE NOT (' + tabela.sql_sem_hist + ')'
elif filtro == 'A':
sql = sql + ' WHERE (' + tabela.sql_sem_hist + ')'
lista = db.consultarSQLDataFrame(sql)
modeloDados, listaCopy = ut.PrepararLista(lista)
kmeans = desc.Cluster(listaCopy, int(qtd_clusters))
clusters = kmeans.cluster_centers_
labels = kmeans.labels_
display = list()
for x in range(0, int(qtd_clusters)):
display.append('Cluster_' + str(x))
objModelo = {
'n_clusters': qtd_clusters,
'modeloDados': modeloDados,
'clusters': clusters.tolist(),
'labels': labels.tolist(),
'display': display
}
md_clusters = json.dumps(objModelo)
session = db.getSession()
tabDesc = session.query(db.TabelaDescricao).filter_by(
id_tabela=idTabela).filter_by(id_alg=id_alg_clusters).first()
if tabDesc == None:
tabDesc = db.TabelaDescricao(None, idTabela, id_alg_clusters,
md_clusters, datetime.now())
session.add(tabDesc)
else:
tabDesc.modelo = md_clusters
tabDesc.dt_processo = datetime.now()
session.commit()
session.close()
return None
def def_visao():
seg.ChecarPerfil(seg.PERFIL_Analista)
id_tabela = request.params.get('id_tabela')
id = request.params.get('id')
nome = ''
modelo = ''
tipo = { }
tipo['1'] = ''
tipo['2'] = ''
tipo['3'] = ''
tipo['4'] = ''
tipo['5'] = ''
tabela = imp.ObterTabela(id_tabela)
listaColunas = meta.ListarColunas(id_tabela)
for col in listaColunas:
col.selecionado = False
visao = None
if id != '0':
visao = vis.ObterVisao(id)
nome = visao.nome
dTipo = visao.tipo
modelo = visao.modelo
tipo[dTipo] = 'selected'
objModelo = json.loads(modelo)
for col in listaColunas:
for mod in objModelo:
if int(mod['id_coluna']) == col.id:
col.selecionado = True
else:
tipo['1'] = 'checked'
return dict(id=id,
nome=nome,
tipo=tipo,
modelo=modelo,
idTabela=id_tabela,
nomeTabela=tabela.nome,
listaColunas=listaColunas,
visao=visao,
js='<script>ReconstruirGrid();</script>')
def ListTabelas():
seg.ChecarPerfil(seg.PERFIL_Analista)
id = request.params.get('id')
lista = imp.ListarTabelas(id)
campos = ({
'campo': 'id',
'titulo': 'Id'
}, {
'campo': 'comandoNome',
'titulo': 'Nome'
})
grid = comp.grid('Lista de Tabelas', lista, campos)
return dict(grid=grid)
def mineracao_dados():
seg.ChecarPerfil(seg.PERFIL_Analista)
idTabela = request.params.get('id')
tam_tst = 15
id_coluna = 0
colunaClasse = ''
if idTabela == None:
idTabela = 0
listaTabelas = imp.ListarTabelas()
tabPred = None
listaTabelaDesc = []
listaColunaT = []
listaColunaN = []
if int(idTabela) != 0:
colunaClasse, id_coluna = meta.ObterColunaClasse(idTabela)
tabPred = dm.ObterTabelaPredicao(idTabela)
listaTabelaDesc = dm.ListarTabelaDescricao(idTabela)
listaColunaT = meta.ListarColunasPorTipo(idTabela, 'T')
listaColunaN = meta.ListarColunasPorTipo(idTabela, 'N')
if tabPred != None:
tam_tst = tabPred.reserva_treino
for tab in listaTabelas:
tab.selecionado = False
if int(tab.id) == int(idTabela):
tab.selecionado = True
return dict(idTabela=idTabela,
tam_tst=tam_tst,
listaTabelas=listaTabelas,
id_coluna=id_coluna,
colunaClasse=colunaClasse,
tabPred=tabPred,
listaTabelaDesc=listaTabelaDesc,
listaColunaT=listaColunaT,
listaColunaN=listaColunaN)
def DefColunas():
seg.ChecarPerfil(seg.PERFIL_Analista)
id = request.params.get('id')
if id == None:
id = 0
coluna = meta.ObterColuna(id)
listaTabelas = imp.ListarTabelas()
colunasFk = None
if coluna != None:
if coluna.val_aluno_risco == None:
coluna.val_aluno_risco = ''
if coluna.chave_estrangeira == True:
colunasFk = meta.ListarColunas(coluna.id_tabela_fk)
coluna.lstTipos = (
{
'id': 'T',
'nome': 'Texto',
'selecionado': False
},
{
'id': 'N',
'nome': 'Número',
'selecionado': False
},
{
'id': 'D',
'nome': 'Data (seq. temporal)',
'selecionado': False
},
)
for tp in coluna.lstTipos:
tp['selecionado'] = False
if tp['id'] == coluna.tipo:
tp['selecionado'] = True
return dict(listaTabelas=listaTabelas, colunasFk=colunasFk, coluna=coluna)
def ListarRecomendacoes(idTabela):
session = db.getSession()
listaMensagens = session.query(
db.Mensagem).filter_by(id_tabela=idTabela).all()
listaRetorno = []
listaColunas = meta.ListarColunas(idTabela)
for msg in listaMensagens:
existeAluno = False
edtRow = {}
msgsAluno = []
for rowRet in listaRetorno:
if rowRet['id_usuario_aluno'] == msg.id_usuario_aluno:
existeAluno = True
edtRow = rowRet
msgsAluno = edtRow['MsgsAluno']
break
if existeAluno == False:
edtRow['id_usuario_aluno'] = msg.id_usuario_aluno
usuario = session.query(
db.Usuario).filter_by(id=msg.id_usuario_aluno).first()
edtRow['nome'] = usuario.nome
listaRetorno.append(edtRow)
msgsAluno.append(msg)
edtRow['MsgsAluno'] = msgsAluno
session.close()
tabPredicao = ObterTabelaPredicao(idTabela)
tx_acerto = 0
for alg in tabPredicao.Alg:
if alg.selecionado:
tx_acerto = alg.tx_acerto
return dict(tabela=imp.ObterTabela(idTabela),
tx_acerto=tx_acerto,
lista=listaRetorno)
def LstColunas():
seg.ChecarPerfil(seg.PERFIL_Analista)
listaTabelas = imp.ListarTabelas()
campos = ({
'campo': 'id_coluna_cid',
'titulo': 'ID'
}, {
'campo': 'comando',
'titulo': 'Nome'
}, {
'campo': 'tipo',
'titulo': 'Tipo'
}, {
'campo': 'titulo',
'titulo': 'Titulo'
}, {
'campo': 'desabilitado',
'titulo': 'Desabilitado'
})
idTabela = request.params.get('id')
listaColunas = meta.ListarColunas(idTabela)
for col in listaColunas:
col.comando = '<a href="/defcoluna?id=' + str(
col.id) + '">' + col.nome + '</a>'
for tab in listaTabelas:
tab.selecionado = False
if idTabela == None:
idTabela = 0
else:
for tab in listaTabelas:
if int(tab.id) == int(idTabela):
tab.selecionado = True
grid = comp.grid('Lista de Colunas', listaColunas, campos,
'dados atualizados em 26/01/2018')
return dict(listaTabelas=listaTabelas, grid=grid)
def Outlier(idTabela, filtro, campoD, campoV):
tabela = imp.ObterTabela(idTabela)
sql = dbTab.GerarSQL(idTabela, 'S')
if tabela.sql_sem_hist != None and tabela.sql_sem_hist != '':
if filtro == 'H':
sql = sql + ' WHERE NOT (' + tabela.sql_sem_hist + ')'
elif filtro == 'A':
sql = sql + ' WHERE (' + tabela.sql_sem_hist + ')'
lista = db.consultarSQLDataFrame(sql)
campoVal = meta.ObterColuna(campoV).nome
campoDesc = meta.ObterColuna(campoD).nome
existeOutlier, listaDf = desc.Outliers(lista, campoVal, campoDesc)
modelo = {
'campoV': campoVal,
'campoD': campoDesc,
'existe': existeOutlier,
'lista': listaDf
}
md_outlier = json.dumps(modelo)
session = db.getSession()
tabDesc = session.query(db.TabelaDescricao).filter_by(
id_tabela=idTabela).filter_by(id_alg=id_alg_outliers).first()
if tabDesc == None:
tabDesc = db.TabelaDescricao(None, idTabela, id_alg_outliers,
md_outlier, datetime.now())
session.add(tabDesc)
else:
tabDesc.modelo = md_outlier
tabDesc.dt_processo = datetime.now()
session.commit()
session.close()
return "OK"
def Importacao():
seg.ChecarPerfil(seg.PERFIL_Analista)
lista = imp.ListarFontes()
campos = {
'campo': 'nome_edt',
'titulo': 'Nome'
}, {
'campo': 'descr_tipo',
'titulo': 'Tipo'
}, {
'campo': 'comando_tabelas',
'titulo': 'Tabelas'
}
grid = comp.grid('Lista de Fontes de Dados', lista, campos,
'dados atualizados em 26/01/2018')
return dict(grid=grid)
def CarregarObjetos(self):
self.lbLog.delete(0, END)
self.lbColeta.delete(0, END)
self.lbTransformacao.delete(0, END)
self.lbPredRecom.delete(0, END)
listaTabelas = imp.ListarTabelas()
for tabela in listaTabelas:
if tabela.id_fonte_dados != 99:
self.lbColeta.insert(END, tabela.nome)
for tabela in listaTabelas:
if tabela.id_fonte_dados == 99:
self.lbTransformacao.insert(END, tabela.nome)
self.lbPredRecom.insert(END, 'Predição')
self.lbPredRecom.insert(END, 'Recomendação')
self.txtHoraVar.set('15:45')
def ExibirMatrizConfusao(idTabela, idModPredAlg):
modeloPredAlg = ObterModeloPredicaoAlg(idModPredAlg)
tabPred = ObterTabelaPredicao(idTabela)
tabela = imp.ObterTabela(idTabela)
colunaClasse, id_coluna = meta.ObterColunaClasse(idTabela)
modeloBanco = json.loads(tabPred.modelo)
valoresCls = modeloBanco[colunaClasse]
for valor in valoresCls:
print(valor)
matriz_confusao = json.loads(modeloPredAlg.matriz_confusao)
return dict(idTabela=idTabela,
tabela=tabela.nome,
colunaClasse=colunaClasse,
dt_processo=tabPred.dt_processo,
algoritmo=modeloPredAlg.nome,
valoresCls=valoresCls,
matriz_confusao=matriz_confusao)
def ExportarDados(id_tabela):
tabela = imp.ObterTabela(id_tabela)
#-- Rede Gazeta
#path = "C:/Users/bstoll/source/repos/LA-Intervencao/LA-Intervencao/arquivosUpld"
#-- pythonanywhere
path = "/home/bstoll/mysite/arquivosUpld"
#-- Casa
#path = "C:/Users/Bruno Stoll/source/repos/LA-Intervencao/LA-Intervencao"
pathFile = "{path}/{file}".format(path=path, file=tabela.nome + ".csv")
listaColunas = meta.ListarColunas(id_tabela)
ar_lst_cols = []
for col in listaColunas:
ar_lst_cols.append(col.id)
sql = dbTab.GerarSQL(id_tabela, 'O', ar_lst_cols)
df = dbTab.db.consultarSQLDataFrame(sql)
if os.path.isfile(pathFile):
os.remove(pathFile)
df.to_csv(pathFile, index=False)
def visao():
seg.ChecarPerfil(seg.PERFIL_Analista)
id_tabela = request.params.get('id')
if id_tabela == None or id_tabela == '':
id_tabela = 0
listaTabelas = imp.ListarTabelas()
for tab in listaTabelas:
tab.selecionado = False
if int(tab.id) == int(id_tabela):
tab.selecionado = True
lista = vis.ListarVisao(id_tabela)
campos = ( {'campo': 'id', 'titulo': 'ID' }, {'campo': 'nomeCommando', 'titulo': 'Nome' },{'campo': 'visualizarCommando', 'titulo': 'Mostrar' }, {'campo': 'ds_tipo', 'titulo': 'Tipo'} )
grid = comp.grid('Lista de Visões', lista, campos)
return dict(listaTabelas=listaTabelas,
grid=grid)
def PreverValores(idTabela):
tabela = imp.ObterTabela(idTabela)
colunaClasse, id_coluna = meta.ObterColunaClasse(idTabela)
coluna = meta.ObterColuna(id_coluna)
nomeTabela = tabela.nome
nomeColunaClasse = coluna.nome
LimparDadosColunaClasse(nomeTabela, nomeColunaClasse)
tabPredicao = ObterTabelaPredicao(tabela.id)
algPredicao = None
for alg in tabPredicao.Alg:
if alg.selecionado:
algPredicao = alg
modeloDb = json.loads(tabPredicao.modelo)
modeloDbColClasse = modeloDb[colunaClasse]
df = ObterDadosPrevisao(idTabela)
dfListaCopy = df.copy()
rowids = df['rowid']
del dfListaCopy[colunaClasse]
del dfListaCopy['rowid']
for index, row in dfListaCopy.iterrows():
rowPred = ut.VoltarModelo(dict(row), modeloDb)
val_prev = algPredicao.clf.predict([rowPred])
for key, value in modeloDbColClasse.items():
if int(key) == int(val_prev):
classe_prev = 'LA :: Prev :: ' + value
rowid = rowids[index]
AtualiarClasse(nomeTabela, nomeColunaClasse, classe_prev,
rowid)
break