def compare_io_with_mc(io_file_name, mc_file_name):
"""
Takes a IdrottOnline file and converts into a My Club Import Excel file
"""
# IO Dataframe
io_export_df = _read_io_file(io_file_name)
stats("Antal medlemmar i IO: {} ({})".format(str(len(io_export_df)), Path(io_file_name).name))
# MC Dataframe
mc_export_df = _read_mc_file(mc_file_name)
stats("Antal medlemmar i MC: {} ({})".format(str(len(mc_export_df)), Path(mc_file_name).name))
"""
My Club import columns
'Förnamn',
'Efternamn',
'Adress',
'Postnummer',
'Postadress',
'Personnummer',
'Hemtelefon medlem',
'Hemtelefon kontaktperson1',
'Hemtelefon kontaktperson2',
'Mobiltelefon medlem',
'Mobiltelefon kontaktperson1',
'Mobiltelefon kontaktperson2',
'Epost medlem',
'Epost kontaktperson1',
'Epost kontaktperson2',
'Lag',
'Medlemstyp',
'Kön',
'Förnamn kontaktperson1',
'Efternamn kontaktperson1',
'Förnamn kontaktperson2',
'Efternamn kontaktperson2',
'Extra 1',
'Extra 2',
'Extra 3',
'Extra 4',
'Extra 5',
"""
pass
def check_status(mc_file_name, io_file_name):
"""
Check status between MC and IO
NOTE! This function is probably not correct all the way to the end righ now
"""
# Get data from latest MC export
mc_read_df = _read_mc_file(mc_file_name)
stats("Antal inlästa från MC: {:>4} ({})".format(str(len(mc_read_df)), Path(mc_file_name).name))
# Get data from latest IO export
io_read_df = _read_io_file(io_file_name)
# print(io_read_df.columns)
stats("Antal inlästa från IO: {:>4} ({})".format(str(len(io_read_df)), Path(io_file_name).name))
# Stats about personnummer
stats("Antal med ofullständiga personnummer I MC: {:>4}".format(str(len(mc_read_df[mc_read_df['Personnummer'].str.len() == 8]))))
stats("Antal med ofullständiga personnummer I IO: {:>4}".format(str(len(io_read_df[io_read_df['Födelsedat./Personnr.'].str.len() == 8]))))
merged_df = pd.merge(mc_read_df, io_read_df,
left_on = ['Personnummer','Förnamn','Efternamn'],
right_on = ['Födelsedat./Personnr.','Förnamn','Efternamn'],
how = 'outer',
suffixes = ('_mc','_io'),
indicator = True)
stats("Antal lika (på personnummer): {:>12} (fullst. + icke fullständiga)".format(str(len(merged_df))))
# Number of members with complete personnummer
stats("Antal med fullständiga personnummer: {:>4}".format(str(len(merged_df[merged_df['Personnummer'].str.len() == 13]))))
# Filter away members with incomplete 'personnummer'
merged_df = merged_df[merged_df['Personnummer'].str.len() == 8]
stats("Antal med ofullständiga personnummer: {:>4}".format(str(len(merged_df))))
# Filter away those originating from MC (= have group "MC_Import")
#merged_df = merged_df[merged_df['Grupp/Lag/Arbetsrum/Familj'].str.contains('MC_Import', na="") != True]
#stats("Antal utan MC-grupper i IO: {:>3}".format(str(len(merged_df))))
# Add missing, neccessary for import, columns - as nan
merged_df[['Prova-på', 'Ta bort GruppID']] = np.nan
# Convert MC groups to IO GroupID's
merged_df['Lägg till GruppID'] = merged_df['Grupper'].apply(convert_mc_groups_to_io_groups)
# Add special group 'MC_GruppViaMC'
# We know that all groups are non-empty, we can just add a the end
merged_df['Lägg till GruppID'] = merged_df['Lägg till GruppID'].apply(lambda x : x + ', 580242')
# Retain columns to be used for import only
# Disable for now
if False:
export_cols = ['Prova-på', 'Förnamn', 'Alt. förnamn', 'Efternamn', 'Kön', 'Nationalitet', 'IdrottsID',
'Födelsedat./Personnr.', 'Telefon mobil', 'E-post kontakt', 'Kontaktadress - c/o adress', 'Kontaktadress - Gatuadress',
'Kontaktadress - Postnummer', 'Kontaktadress - Postort', 'Kontaktadress - Land', 'Arbetsadress - c/o adress',
'Arbetsadress - Gatuadress', 'Arbetsadress - Postnummer', 'Arbetsadress - Postort', 'Arbetsadress - Land', 'Telefon bostad',
'Telefon arbete', 'E-post privat', 'E-post arbete', 'Medlemsnr.', 'Medlem sedan', 'Medlem t.o.m.', 'Övrig medlemsinfo',
'Familj', 'Fam.Admin', 'Lägg till GruppID', 'Ta bort GruppID']
merged_df = merged_df[export_cols]
check_status_filename = path + timestamp + '_check_status_update.xlsx'
save_file(check_status_filename, merged_df)
stats("Antal kvar att uppdatera: {:>5} ({})".format(str(len(merged_df)), Path(check_status_filename).name))
def sync_last_ones(mc_file_name, mc_invoice_file, io_file_name):
"""
Export last ones from My Club to IO
"""
# Get data from latest MC export
mc_read_df = _read_mc_file(mc_file_name)
stats("Antal inlästa från MC: {:>4} ({})".format(str(len(mc_read_df)), Path(mc_file_name).name))
# Invoice info from My Club
mc_invoice_df = pd.read_excel(mc_invoice_file,
dtype = {'MedlemsID': 'string'},
usecols=['MedlemsID','Avgift','Summa','Summa betalt',
'Familjemedlem 1','Familjemedlem 2','Familjemedlem 3','Familjemedlem 4','Familjemedlem 5','Familjemedlem 6'])
stats("Antal fakturor i MC: {} ({})".format(str(len(mc_invoice_df)), Path(mc_invoice_file).name))
# Merge in invoice details
# Added later as special column
#mc_read_df = mc_read_df.merge(mc_invoice_df, on='MedlemsID', how='left', suffixes=(None,'_inv'), validate = "one_to_one")
mc_read_df = mc_read_df.merge(mc_invoice_df, on='MedlemsID', how='left', suffixes=(None,'_inv'), validate = "1:m")
# Get data from latest IO export
io_read_df = _read_io_file(io_file_name)
# print(io_read_df.columns)
stats("Antal inlästa från IO: {:>4} ({})".format(str(len(io_read_df)), Path(io_file_name).name))
# Get MedlemsID from IO - if we can find it
io_read_df['MC_MedlemsID'] = [search_medlemsid_from_io(comment, medlemsnr)
for comment, medlemsnr
in zip (io_read_df['Övrig medlemsinfo'], io_read_df['Medlemsnr.'])]
# Stats about personnummer
stats("Antal med ofullständiga personnummer I MC: {:>4} st".format(str(len(mc_read_df[mc_read_df['Personnummer'].str.len() == 8]))))
stats("Antal med ofullständiga personnummer I IO: {:>4} st".format(str(len(io_read_df[io_read_df['Födelsedat./Personnr.'].str.len() == 8]))))
stats("Antal med fullständiga personnummer I MC: {:>4} st".format(str(len(mc_read_df[mc_read_df['Personnummer'].str.len() == 13]))))
stats("Antal med fullständiga personnummer I IO: {:>4} st".format(str(len(io_read_df[io_read_df['Födelsedat./Personnr.'].str.len() == 13]))))
# Merge on all 'Personnummer','Förnamn','Efternamn'
print("MC " + "> Merge (MedlemsID) <".center(40, "-") + " IO")
merged_df = pd.merge(mc_read_df, io_read_df,
left_on = ['MedlemsID'],
right_on = ['MC_MedlemsID'],
#left_on = ['Personnummer','Förnamn','Efternamn'],
#right_on = ['Födelsedat./Personnr.','Förnamn','Efternamn'],
how = 'left',
#suffixes = ('_mc','_io'),
suffixes = ('','_io'),
indicator = True)
stats("Antal efter merge: {:>8}".format(str(len(merged_df))))
stats("Antal lika (på personnummer): {:>12} (fullst. + icke fullständiga)".format(str(len(merged_df))))
# Number of members with complete personnummer
stats("Antal med fullständiga personnummer: {:>4}".format(str(len(merged_df[merged_df['Personnummer'].str.len() == 13]))))
stats("Antal med ofullständiga personnummer: {:>4}".format(str(len(merged_df[merged_df['Personnummer'].str.len() == 8]))))
# Filter only on members with incomplete 'personnummer'
print(" Filter: Endast ofullständiga ".center(46, "-"))
#merged_df = merged_df[merged_df['Personnummer'].str.len() == 8]
#stats("Antal med ofullständiga personnummer: {:>4}".format(str(len(merged_df))))
stats("Antal endast i MC: {:>8}".format(str(len(merged_df.loc[merged_df['_merge'] == 'left_only' ]))))
stats("Antal endast i IO: {:>8}".format(str(len(merged_df.loc[merged_df['_merge'] == 'right_only' ]))))
stats("Antal i båda: {:>8}".format(str(len(merged_df.loc[merged_df['_merge'] == 'both' ]))))
# Filter away those originating from MC (= have group "MC_Import")
#merged_df = merged_df[merged_df['Grupp/Lag/Arbetsrum/Familj'].str.contains('MC_Import', na="") != True]
#stats("Antal utan MC-grupper i IO: {:>3}".format(str(len(merged_df))))
# Convert to import format
# IO Import columns - for ref
io_import_cols = ['Prova-på','Förnamn','Alt. förnamn','Efternamn','Kön','Nationalitet','IdrottsID','Födelsedat./Personnr.','Telefon mobil',
'E-post kontakt','Kontaktadress - c/o adress','Kontaktadress - Gatuadress','Kontaktadress - Postnummer','Kontaktadress - Postort',
'Kontaktadress - Land','Arbetsadress - c/o adress','Arbetsadress - Gatuadress','Arbetsadress - Postnummer','Arbetsadress - Postort','Arbetsadress - Land',
'Telefon bostad','Telefon arbete','E-post privat','E-post arbete','Medlemsnr.','Medlem sedan','Medlem t.o.m.','Övrig medlemsinfo',
'Familj','Fam.Admin','Lägg till GruppID','Ta bort GruppID']
# 1. Convert all MC members to IO Import format
#mc_in_io_format_df = _convert_mc_to_io_format(io_import_cols, merged_df, timestamp)
mc_in_io_format_df = pd.DataFrame(columns=io_import_cols)
# mc_in_io_format_df['Prova-på'] = mc_export_df[''] # Not used in MC?
mc_in_io_format_df['Förnamn'] = merged_df['Förnamn']
# mc_in_io_format_df['Alt. förnamn'] = mc_export_df[''] # Found none in MC
mc_in_io_format_df['Efternamn'] = merged_df['Efternamn']
mc_in_io_format_df['Kön'] = merged_df['Kön (flicka/pojke)']
mc_in_io_format_df['Nationalitet'] = merged_df['Nationalitet'].replace('SE','Sverige')
# mc_in_io_format_df['IdrottsID'] = mc_export_df['']
mc_in_io_format_df['Födelsedat./Personnr.'] = merged_df['Personnummer'] #.astype('string').apply(convert_personnummer)
mc_in_io_format_df['Telefon mobil'] = merged_df['Mobiltelefon']
mc_in_io_format_df['E-post kontakt'] = merged_df['E-post']
mc_in_io_format_df['Kontaktadress - c/o adress'] = merged_df['c/o']
mc_in_io_format_df['Kontaktadress - Gatuadress'] = merged_df['Adress']
mc_in_io_format_df['Kontaktadress - Postnummer'] = merged_df['Postnummer'].astype('string').apply(convert_postnr)
mc_in_io_format_df['Kontaktadress - Postort'] = merged_df['Postort']
mc_in_io_format_df['Kontaktadress - Land'] = merged_df['Land'].apply(convert_countrycode)
# mc_in_io_format_df['Arbetsadress - c/o adress'] = mc_export_df['']
# mc_in_io_format_df['Arbetsadress - Gatuadress'] = mc_export_df['']
# mc_in_io_format_df['Arbetsadress - Postnummer'] = mc_export_df['']
# mc_in_io_format_df['Arbetsadress - Postort'] = mc_export_df['']
# mc_in_io_format_df['Arbetsadress - Land'] = mc_export_df['']
mc_in_io_format_df['Telefon bostad'] = merged_df['Hemtelefon']
mc_in_io_format_df['Telefon arbete'] = merged_df['Arbetstelefon']
# mc_in_io_format_df['E-post privat'] = mc_export_df['Kontakt 1 epost']
# mc_in_io_format_df['E-post arbete'] = mc_export_df['']
mc_in_io_format_df['Medlem sedan'] = merged_df['Datum registrerad']
mc_in_io_format_df['MC_Senast ändrad'] = merged_df['Senast ändrad']
# mc_in_io_format_df['Medlem t.o.m.'] = mc_export_df['']
mc_in_io_format_df['Övrig medlemsinfo'] = merged_df['Kommentar'].astype('string').apply(clean_pii_comments) # Special handling - not for all clubs
# Add special info to 'Övrig medlemsinfo' - MC MedlemsInfo and execution time
mc_in_io_format_df['Övrig medlemsinfo'] = [add_comment_info(comment, member_id, timestamp)
for comment, member_id
in zip(mc_in_io_format_df['Övrig medlemsinfo'] , merged_df['MedlemsID'])]
# mc_in_io_format_df['Familj'] = mc_export_df['Familj']
# mc_in_io_format_df['Fam.Admin'] = mc_export_df['']
mc_in_io_format_df['Lägg till GruppID'] = merged_df['Grupper'].apply(convert_mc_groups_to_io_groups)
# Also - add special columns as groupIDs
mc_in_io_format_df['Lägg till GruppID'] = [concat_special_cols(groups, cirkusutb, frisksportlofte, hedersmedlem, ingen_tidning, frisksportutb, trampolinutb, avgift)
for groups, cirkusutb, frisksportlofte, hedersmedlem, ingen_tidning, frisksportutb, trampolinutb, avgift
in zip(mc_in_io_format_df['Lägg till GruppID'], merged_df['Cirkusledarutbildning'], merged_df['Frisksportlöfte'],
merged_df['Hedersmedlem'], merged_df['Ingen tidning tack'], merged_df['Frisksportutbildning'],
merged_df['Trampolinutbildning'], merged_df['Avgift'])]
# Also - add family info as groups
# 2020-11-15 Disabled - since IO does not handle this according to documentation...
if False:
merged_df['Familj'] = merged_df['Familj'].apply(mc_family_to_id)
mc_in_io_format_df['Lägg till GruppID'] = [concat_group_id(groups, family_id)
for groups, family_id
in zip(mc_in_io_format_df['Lägg till GruppID'], merged_df['Familj'])]
# Extra info
mc_in_io_format_df['_merge'] = merged_df['_merge']
# Add missing, neccessary for import, columns - as nan
mc_in_io_format_df[['Prova-på', 'Ta bort GruppID']] = np.nan
#merged_df[['Prova-på', 'Ta bort GruppID']] = np.nan
#print(merged_df['Grupper'].head())
# Req. for incomplete personnummer:
# "namn, födelsedatum (år, månad, dag), kön, nationalitet och minst en angiven adress"
last_filename = path_out + timestamp + '_last-5_import.xlsx'
save_file(last_filename, mc_in_io_format_df)
#print(mc_in_io_format_df)
#save_file(last_filename, merged_df)
stats("Antal kvar att uppdatera: {:>5} ({})".format(str(len(mc_in_io_format_df)), Path(last_filename).name))
def sync_groups_from_mc_to_io(mc_file_name, mc_invoice_file, io_file_name):
"""
Sync groupes between MC and IO
"""
# Get data from latest MC export
mc_read_df = _read_mc_file(mc_file_name)
stats("Antal inlästa från MC: {} ({})".format(str(len(mc_read_df)), Path(mc_file_name).name))
# Invoice info from My Club
mc_invoice_df = pd.read_excel(mc_invoice_file,
dtype = {'MedlemsID': 'string'},
usecols=['MedlemsID','Avgift','Summa','Summa betalt'])
#usecols=['MedlemsID','Avgift','Summa','Summa betalt',
# 'Familjemedlem 1','Familjemedlem 2','Familjemedlem 3','Familjemedlem 4','Familjemedlem 5','Familjemedlem 6'])
stats("Antal fakturor i MC: {} ({})".format(str(len(mc_invoice_df)), Path(mc_invoice_file).name))
# Merge in invoice details
# Added later as special column
mc_read_df = mc_read_df.merge(mc_invoice_df, on='MedlemsID', how='left', suffixes=(None,'_inv'), validate = "one_to_one")
# Get data from latest IO export
io_read_df = _read_io_file(io_file_name)
# print(io_read_df.columns)
stats("Antal inlästa från IO: {} ({})".format(str(len(io_read_df)), Path(io_file_name).name))
# Get MedlemsID from IO - if we can find it
io_read_df['MC_MedlemsID'] = [search_medlemsid_from_io(comment, medlemsnr)
for comment, medlemsnr
in zip (io_read_df['Övrig medlemsinfo'], io_read_df['Medlemsnr.'])]
merged_df = pd.merge(mc_read_df, io_read_df,
left_on = 'MedlemsID',
right_on = 'MC_MedlemsID',
#left_on = 'Personnummer',
#right_on = 'Födelsedat./Personnr.',
how = 'inner',
suffixes = ('_mc',''))
stats("Antal lika (på MedlemsID): {}".format(str(len(merged_df))))
# Filter away members with incomplete 'personnummer'
#merged_df = merged_df[merged_df['Personnummer'].str.len() == 13]
stats("Antal med fullständiga personnummer: {}".format(str(len(merged_df))))
# Filter away those originating from MC (= have group "MC_Import")
#merged_df = merged_df[merged_df['Grupp/Lag/Arbetsrum/Familj'].str.contains('MC_Import', na="") != True]
stats("Antal utan MC-grupper i IO: {}".format(str(len(merged_df))))
# Add missing, neccessary for import, columns - as nan
merged_df[['Prova-på', 'Ta bort GruppID']] = np.nan
# Convert MC groups to IO GroupID's
#merged_df['Lägg till GruppID'] = merged_df['Grupper'].apply(convert_mc_groups_to_io_groups)
# Add special group 'MC_GruppViaMC' 580242
# Add MC_Alla (580600)
# We know that all groups are non-empty, we can just add at the end
# merged_df['Lägg till GruppID'] = merged_df['Lägg till GruppID'].apply(lambda x : x + ', 580600')
# Also - add ONLY special columns as groupIDs
# Be sure to uodate via import, DON'T overwrite
merged_df['Lägg till GruppID'] = [
concat_special_cols("", cirkusutb, frisksportlofte, hedersmedlem, ingen_tidning, frisksportutb, trampolinutb, avgift)
for cirkusutb, frisksportlofte, hedersmedlem, ingen_tidning, frisksportutb, trampolinutb, avgift
in zip(merged_df['Cirkusledarutbildning'],
merged_df['Frisksportlöfte'],
merged_df['Hedersmedlem'],
merged_df['Ingen tidning tack'],
merged_df['Frisksportutbildning'],
merged_df['Trampolinutbildning'],
merged_df['Avgift'])]
# Retain columns to be used for import only
export_cols = ['Prova-på', 'Förnamn', 'Alt. förnamn', 'Efternamn', 'Kön', 'Nationalitet', 'IdrottsID',
'Födelsedat./Personnr.', 'Telefon mobil', 'E-post kontakt', 'Kontaktadress - c/o adress', 'Kontaktadress - Gatuadress',
'Kontaktadress - Postnummer', 'Kontaktadress - Postort', 'Kontaktadress - Land', 'Arbetsadress - c/o adress',
'Arbetsadress - Gatuadress', 'Arbetsadress - Postnummer', 'Arbetsadress - Postort', 'Arbetsadress - Land', 'Telefon bostad',
'Telefon arbete', 'E-post privat', 'E-post arbete', 'Medlemsnr.', 'Medlem sedan', 'Medlem t.o.m.', 'Övrig medlemsinfo',
'Familj', 'Fam.Admin', 'Lägg till GruppID', 'Ta bort GruppID']
merged_df = merged_df[export_cols]
# sync_groups_filename = path + date_today + '_sync_groups_update.xlsx'
sync_groups_filename = path_out + timestamp + '_sync_groups_update.xlsx'
save_file(sync_groups_filename, merged_df)
stats("Antal att uppdatera i IO: {} ({})".format(str(len(merged_df)), Path(sync_groups_filename).name))
def sync_special_fields_from_mc_to_io(mc_file_name, mc_invoice_file, io_file_name):
"""
Sync forgotten special fileds from MC and IO
"""
# Get data from latest MC export
mc_read_df = _read_mc_file(mc_file_name)
stats("Antal inlästa från MC: {} ({})".format(str(len(mc_read_df)), Path(mc_file_name).name))
# Invoice info from My Club
mc_invoice_df = pd.read_excel(mc_invoice_file,
usecols=['MedlemsID','Avgift'])
stats("Antal fakturor i MC: " + str(len(mc_invoice_df)) + " (" + Path(mc_invoice_file).name + ")")
# Merge in invoice details
mc_read_df = mc_read_df.merge(mc_invoice_df, on='MedlemsID', how='left', suffixes=(None,'_inv'), validate = "one_to_one")
# Add missing, neccessary for import, columns - as nan
mc_read_df[['Prova-på', 'Ta bort GruppID']] = np.nan
mc_read_df['Lägg till GruppID'] = ""
# Also - add ONLY special columns as groupIDs
# Be sure to uodate via import, DON'T overwrite
mc_read_df['Lägg till GruppID'] = [
concat_special_cols("", cirkusutb, frisksportlofte, hedersmedlem, ingen_tidning, frisksportutb, trampolinutb, avgift)
for cirkusutb, frisksportlofte, hedersmedlem, ingen_tidning, frisksportutb, trampolinutb, avgift
in zip(mc_read_df['Cirkusledarutbildning'],
mc_read_df['Frisksportlöfte'],
mc_read_df['Hedersmedlem'],
mc_read_df['Ingen tidning tack'],
mc_read_df['Frisksportutbildning'],
mc_read_df['Trampolinutbildning'],
mc_read_df['Avgift'])]
# Get data from latest IO export
io_read_df = _read_io_file(io_file_name)
# print(io_read_df.columns)
stats("Antal inlästa från IO: {} ({})".format(str(len(io_read_df)), Path(io_file_name).name))
merged_df = pd.merge(mc_read_df, io_read_df,
left_on = 'Personnummer',
right_on = 'Födelsedat./Personnr.',
#left_on = ['Personnummer','Förnamn','Efternamn'], # Finns personer med felstavade namn
#right_on = ['Födelsedat./Personnr.','Förnamn','Efternamn'], # Finns personer med felstavade namn
how = 'inner',
suffixes = ('_mc',''))
stats("Antal match på personnummer/datum: {}".format(str(len(merged_df))))
# Filter away members with incomplete 'personnummer'
merged_df = merged_df[merged_df['Personnummer'].str.len() == 13]
stats("Antal med fullständiga personnummer: {:>4}".format(str(len(merged_df))))
# Filter away those originating from MC (= have group "MC_Import")
merged_df = merged_df[merged_df['Grupp/Lag/Arbetsrum/Familj'].str.contains('MC_Import', na="") != True]
stats("Antal med ursprung från MC: {}".format(str(len(merged_df))))
# Convert MC groups to IO GroupID's
# Already done... in earlier export
# merged_df['Lägg till GruppID'] = merged_df['Grupper'].apply(convert_mc_groups_to_io_groups)
# Add special group 'MC_SpecialFält'
# We know that all groups are non-empty, we can just add a the end
# TODO Kolla detta
#merged_df['Lägg till GruppID'] = merged_df['Lägg till GruppID'].apply(lambda x : x + ', 580266')
# Retain columns to be used for import only
export_cols = ['Prova-på', 'Förnamn', 'Alt. förnamn', 'Efternamn', 'Kön', 'Nationalitet', 'IdrottsID',
'Födelsedat./Personnr.', 'Telefon mobil', 'E-post kontakt', 'Kontaktadress - c/o adress', 'Kontaktadress - Gatuadress',
'Kontaktadress - Postnummer', 'Kontaktadress - Postort', 'Kontaktadress - Land', 'Arbetsadress - c/o adress',
'Arbetsadress - Gatuadress', 'Arbetsadress - Postnummer', 'Arbetsadress - Postort', 'Arbetsadress - Land', 'Telefon bostad',
'Telefon arbete', 'E-post privat', 'E-post arbete', 'Medlemsnr.', 'Medlem sedan', 'Medlem t.o.m.', 'Övrig medlemsinfo',
'Familj', 'Fam.Admin', 'Lägg till GruppID', 'Ta bort GruppID']
merged_df = merged_df[export_cols]
sync_specials_filename = path_out + timestamp + '_sync_specials_update.xlsx'
save_file(sync_specials_filename, merged_df)
stats("Antal att uppdatera i IO: {} ({})".format(str(len(merged_df)), Path(sync_specials_filename).name))
def update_io_email_from_mc(io_file_name, cg_email_file):
"""
Create import file where existing IO members get newer e-mails from MC and CG file - based on update date
"""
# IO df
io_read_cols = ['Förnamn','Alt. förnamn','Efternamn','Kön','Nationalitet','IdrottsID','Födelsedat./Personnr.','Telefon mobil',
'E-post kontakt','Kontaktadress - c/o adress','Kontaktadress - Gatuadress','Kontaktadress - Postnummer','Kontaktadress - Postort',
'Kontaktadress - Land','Arbetsadress - c/o adress','Arbetsadress - Gatuadress','Arbetsadress - Postnummer','Arbetsadress - Postort','Arbetsadress - Land',
'Telefon bostad','Telefon arbete','E-post privat','E-post arbete','Medlemsnr.','Medlem sedan','Medlem t.o.m.','Övrig medlemsinfo',
'Familj','Fam.Admin']
io_read_df = _read_io_file(io_file_name, io_read_cols)
stats("Antal inlästa från IO: {} ({})".format(str(len(io_read_df)), Path(io_file_name).name))
# CG e-mail file - file with updated e-mails (partial)
cg_read_df = pd.read_excel(cg_email_file,
usecols=['Förnamn', 'Efternamn', 'Personnummer','E-post'],
converters = {'Personnummer':convert_mc_personnummer_to_io, 'E-post':normalize_email}) # CG Columns
stats("Antal inlästa från CG: {} ({})".format(str(len(cg_read_df)), Path(cg_email_file).name))
# Match inner on Personnummer = only exact matches
# 1. Convert all MC members to IO Import format
io_import_cols = ['Förnamn','Alt. förnamn','Efternamn','Kön','Nationalitet','IdrottsID','Födelsedat./Personnr.','Telefon mobil',
'E-post kontakt','Kontaktadress - c/o adress','Kontaktadress - Gatuadress','Kontaktadress - Postnummer','Kontaktadress - Postort',
'Kontaktadress - Land','Arbetsadress - c/o adress','Arbetsadress - Gatuadress','Arbetsadress - Postnummer','Arbetsadress - Postort','Arbetsadress - Land',
'Telefon bostad','Telefon arbete','E-post privat','E-post arbete','Medlemsnr.','Medlem sedan','Medlem t.o.m.','Övrig medlemsinfo',
'Familj','Fam.Admin']
matches_df = pd.DataFrame(columns=io_import_cols)
matches_df = pd.merge(io_read_df, cg_read_df,
left_on = 'Födelsedat./Personnr.',
right_on = 'Personnummer',
how = 'inner',
suffixes = ('','_cg'))
stats("Antal med matchande personnummer: {}".format(str(len(matches_df))))
# Add missing, neccessary for import, columns - as nan
matches_df[['Prova-på','Ta bort GruppID']] = np.nan
# Only match on full personnummer - not safe to use birthdate
matches_df = matches_df[matches_df['Personnummer'].str.len() == 13]
stats("Antal med matchande (fullständiga) personnummer: {}".format(str(len(matches_df))))
# Test for matching e-mail or not
matches_df['Update e-mail?'] = np.where(matches_df['E-post'] == matches_df['E-post kontakt'], False, True)
# Keep only rows with newer e-mail
matches_df = matches_df[matches_df['Update e-mail?'] == True]
stats("Antal med nya e-poster: {}".format(str(len(matches_df))))
# Save old e-mail to comment
matches_df['Övrig medlemsinfo'] = [add_email_to_comment(comment, old_email, date_today)
for comment, old_email
in zip(matches_df['Övrig medlemsinfo'] , matches_df['E-post kontakt'])]
# Update e-mail
matches_df['E-post kontakt'] = matches_df['E-post']
# Add specific group for these posts
matches_df['Lägg till GruppID'] = '580125' # EpostUppdaterad
# Keep only columns to import
#matches_df = matches_df[['Förnamn', 'Efternamn', 'Födelsedat./Personnr.','E-post kontakt','E-post privat','Övrig medlemsinfo','Lägg till GruppID']]
matches_df = matches_df[['Prova-på','Förnamn','Alt. förnamn','Efternamn','Kön','Nationalitet','IdrottsID','Födelsedat./Personnr.','Telefon mobil',
'E-post kontakt','Kontaktadress - c/o adress','Kontaktadress - Gatuadress','Kontaktadress - Postnummer','Kontaktadress - Postort',
'Kontaktadress - Land','Arbetsadress - c/o adress','Arbetsadress - Gatuadress','Arbetsadress - Postnummer','Arbetsadress - Postort','Arbetsadress - Land',
'Telefon bostad','Telefon arbete','E-post privat','E-post arbete','Medlemsnr.','Medlem sedan','Medlem t.o.m.','Övrig medlemsinfo',
'Familj','Fam.Admin','Lägg till GruppID','Ta bort GruppID']]
io_email_filename = path + date_today + '_io_e-mail_update.xlsx'
save_file(io_email_filename, matches_df)
stats("Antal att uppdatera i IO: {} ({})".format(str(len(matches_df)), Path(io_email_filename).name))
def update_medlemsid_in_io(mc_file_name, io_file_name):
"""
Goal: Update all members with MC MedlemsID, in IO
"""
# My Club Dataframe
mc_read_df = _read_mc_file(mc_file_name)
stats("Antal medlemmar i MC: {} ({})".format(str(len(mc_read_df)), Path(mc_file_name).name))
# IO Import columns - for ref
io_import_cols = ['Prova-på','Förnamn','Alt. förnamn','Efternamn','Kön','Nationalitet','IdrottsID','Födelsedat./Personnr.','Telefon mobil',
'E-post kontakt','Kontaktadress - c/o adress','Kontaktadress - Gatuadress','Kontaktadress - Postnummer','Kontaktadress - Postort',
'Kontaktadress - Land','Arbetsadress - c/o adress','Arbetsadress - Gatuadress','Arbetsadress - Postnummer','Arbetsadress - Postort','Arbetsadress - Land',
'Telefon bostad','Telefon arbete','E-post privat','E-post arbete','Medlemsnr.','Medlem sedan','Medlem t.o.m.','Övrig medlemsinfo',
'Familj','Fam.Admin','Lägg till GruppID','Ta bort GruppID']
# Convert all MC members to IO Import format
for_io_import_df = _convert_mc_to_io_format(io_import_cols, mc_read_df, timestamp)
stats("Antal medlemmar för IO: {}".format(len(for_io_import_df)))
# Get IO dataframe
io_read_df = _read_io_file(io_file_name)
stats("Antal medlemmar i IO: {} ({})".format(str(len(io_read_df)), Path(io_file_name).name))
# Get MedlemsID from IO - if we can find it
io_read_df['MC_MedlemsID'] = [search_medlemsid_from_io(comment, medlemsnr)
for comment, medlemsnr
in zip (io_read_df['Övrig medlemsinfo'], io_read_df['Medlemsnr.'])]
# Filter away members that already have MedlemsID
io_read_df = io_read_df[io_read_df['MC_MedlemsID'].isnull()]
stats("Antal medlemmar utan MedlemsID i IO: {}".format(str(len(io_read_df))))
# Skip for now
if False:
save_file(path + timestamp + '_membersid_before_io_import.xlsx', io_read_df)
stats("Sparat: " + path + timestamp + '_membersid_before_io_import.xlsx')
print(io_read_df.head())
return
# Map person to person between MC <-> IO
merged_df = pd.merge(mc_read_df, io_read_df,
#on = 'Födelsedat./Personnr.',
left_on = 'Personnummer',
right_on = 'Födelsedat./Personnr.',
how = 'inner',
suffixes = ('_mc',''),
indicator = True)
stats("Antal mergade medlemmar: {}".format(len(merged_df)))
# Add MedlemsID from MC for new import
merged_df['Övrig medlemsinfo'] = [add_comment_info(comment, member_id, date_today)
for comment, member_id
in zip(merged_df['Övrig medlemsinfo'] , merged_df['MedlemsID'])]
# Set "Medlemsnr." to "MedlemsID" if not already set
merged_df['Medlemsnr.'] = np.where(pd.isna(merged_df['Medlemsnr.']), merged_df['MedlemsID'], merged_df['Medlemsnr.'])
# Export in "import" format
io_import_cols = ['Typ','Målsman','Förnamn','Alt. förnamn','Efternamn','IdrottsID','Födelsedat./Personnr.','Kön','Nationalitet','Telefon mobil','E-post kontakt','Kontaktadress - c/o adress','Kontaktadress - Gatuadress','Kontaktadress - Postnummer','Kontaktadress - Postort','Kontaktadress - Land','Folkbokföring - c/o adress','Folkbokföring - Gatuadress','Folkbokföring - Postnummer','Folkbokföring - Postort','Folkbokföring - Land','Folkbokföring - Kommunkod','Folkbokföring - Kommun','Arbetsadress - c/o adress','Arbetsadress - Gatuadress','Arbetsadress - Postnummer','Arbetsadress - Postort','Arbetsadress - Land','Telefon bostad','Telefon arbete','E-post privat','E-post arbete','Roller','Behörighet','Övrig medlemsinfo','Grupp/Lag/Arbetsrum/Familj','Familj','Fam.Admin','Medlemsnr.','Medlem sedan','Medlem t.o.m.','Organisation','Registreringsdatum','Avslutningsdatum']
io_for_import_df = merged_df.loc[:, io_import_cols]
stats("Antal medlemmar for IO import: {}".format(len(io_for_import_df)))
save_file(path + timestamp + '_membersid_for_io_import.xlsx', io_for_import_df)
stats("Sparat: " + path + timestamp + '_membersid_for_io_import.xlsx')
# print(for_io_import_df.head())
disabledBelow1 = True
if disabledBelow1:
return
# Done?
# Export-4 last
# Filter out only thos in group "Remaining migration"
#mc_in_io_format_df['MissedGroup'] = np.where(mc_export_df['Grupper'].str.contains('Remaining migration'), 'True', 'False')
#mc_in_io_format_df = mc_in_io_format_df[mc_in_io_format_df.MissedGroup == "True"]
# mc_in_io_format_df['Ta bort GruppID'] = mc_export_df['']
# 2. Compare MC data with current IO data
# Todo
#comp_df = mc_in_io_format_df[['Förnamn','Alt. förnamn','Efternamn','Födelsedat./Personnr.','Kön','Nationalitet','Telefon mobil','E-post kontakt',
# 'Kontaktadress - c/o adress','Kontaktadress - Gatuadress','Kontaktadress - Postnummer','Kontaktadress - Postort','Kontaktadress - Land',
# 'Arbetsadress - c/o adress','Arbetsadress - Gatuadress','Arbetsadress - Postnummer','Arbetsadress - Postort','Arbetsadress - Land',
# 'Telefon bostad','Telefon arbete','E-post privat','E-post arbete','Övrig medlemsinfo','Familj','Fam.Admin','Medlem sedan','Medlem t.o.m.']].compare(
# for_io_import_df[['Förnamn','Alt. förnamn','Efternamn','Födelsedat./Personnr.','Kön','Nationalitet','Telefon mobil','E-post kontakt',
# 'Kontaktadress - c/o adress','Kontaktadress - Gatuadress','Kontaktadress - Postnummer','Kontaktadress - Postort','Kontaktadress - Land',
# 'Arbetsadress - c/o adress','Arbetsadress - Gatuadress','Arbetsadress - Postnummer','Arbetsadress - Postort','Arbetsadress - Land',
# 'Telefon bostad','Telefon arbete','E-post privat','E-post arbete','Övrig medlemsinfo','Familj','Fam.Admin','Medlem sedan','Medlem t.o.m.']])
#df1 = mc_in_io_format_df[['Förnamn','Efternamn','Födelsedat./Personnr.','Kön','Medlem sedan']].copy()
#print(df1.axes)
#df2 = for_io_import_df[['Förnamn','Efternamn','Födelsedat./Personnr.','Kön','Medlem sedan']].copy()
#print(df2.axes)
#comp_df = df1.compare(df2)
#save_file('/usr/src/app/files/' + date_today + '_mc-io_comparison.xlsx', comp_df)
# 3. Save file with all members from MC in correct format (still need to cross check with IO!)
save_file(path + timestamp + '_all_mc_in_io_format.xlsx', for_io_import_df)
stats("Sparat: " + path + timestamp + '_all_mc_in_io_format.xlsx')
# 4. Merge
# Current members in IdrottOnline
for_io_import_df = pd.read_excel(io_file_name,
usecols=['Födelsedat./Personnr.'],
dtype = {
'Telefon mobil': 'string', 'Telefon bostad': 'string', 'Telefon arbete': object, 'Medlemsnr.': 'string'},
converters = {'E-post kontakt':normalize_email, 'E-post privat':normalize_email, 'E-post arbete':normalize_email}) # IO columns
stats("Antal medlemmar i IO: " + str(len(for_io_import_df)) + " (" + Path(io_file_name).name + ")")
# TODO: Finish below
disabledBelow2 = True
if disabledBelow2:
return
# For import
# TODO Remove this later!
# This is already handled by how = 'left' below - so we can assign 'Medlemsnr.' without risking overwrite
# mc_in_io_format_df['Medlemsnr.'] = mc_export_df['MedlemsID']
# TODO Remove this later!
# Filter - only non-existing in IO (solved by how = 'left')
# Label: 'Export-1' - For members updated '2020-11-16_01.20'
#for_io_import_df = pd.merge(mc_in_io_format_df, for_io_import_df,
# on = 'Födelsedat./Personnr.',
# how = 'left',
# suffixes = ('_mc','_io'),
# indicator = True)
# Label: 'Export-2' - Current members in IO updated in IO with new data from MC
for_io_import_df = pd.merge(mc_read_df, for_io_import_df,
#on = 'Födelsedat./Personnr.',
on = 'Personnummer',
how = 'right',
suffixes = ('_mc','_io'),
indicator = True)
# Filter - only with full personnummer
for_io_import_df = for_io_import_df[for_io_import_df['Födelsedat./Personnr.'].str.len() > 8]
# Filter - only MC
for_io_import_df = for_io_import_df[for_io_import_df['_merge'] == "right_only" ]
for_io_import_file = path + timestamp + '_for_io_import.xlsx'
stats("Antal för import till IO: " + str(len(for_io_import_df)) + " (" + Path(for_io_import_file).name + ")")
stats("Enbart i MC: " + str(len(for_io_import_df.loc[for_io_import_df['_merge'] == 'left_only' ])))
stats("I både MC och IO: " + str(len(for_io_import_df.loc[for_io_import_df['_merge'] == 'both' ])))
stats("Antal med endast födelsedatum: " + str(len(for_io_import_df[for_io_import_df['Födelsedat./Personnr.'].str.len() == 8])))
stats("Antal med fullt personnummer: " + str(len(for_io_import_df[for_io_import_df['Födelsedat./Personnr.'].str.len() > 8])))
save_file(for_io_import_file, for_io_import_df)
stats("Sparat: " + for_io_import_file)
def compare_mc_and_io(mc_file_name, io_file_name):
"""
Compare members from MC and IO
"""
# Get "important" data from latest MC export
# Note! Doesn't read all columns...
mc_read_df = _read_mc_file(mc_file_name)
stats("Antal inlästa från MC: {:>4} ({})".format(str(len(mc_read_df)), Path(mc_file_name).name))
def print_mc_group_stats(label, extra = None):
# Make label regexp safe
slabel = label.replace("(", r"\(")
slabel = slabel.replace(")", r"\)")
if extra:
print("{:<30} {:>3} st ({})".format(label, len(mc_read_df.loc[mc_read_df['Grupper'].str.contains(slabel) == True ]), extra))
else:
print("{:<30} {:>3} st".format(label, len(mc_read_df.loc[mc_read_df['Grupper'].str.contains(slabel) == True ])))
print_mc_group_stats('Medlemmar')
print_mc_group_stats('Senior')
#print_mc_group_stats('Uppdatering till fullt personnummer')
print_mc_group_stats('Orientering')
#print_mc_group_stats('Remaining migration 3')
print_mc_group_stats('Skidor')
print_mc_group_stats('Huvudsektion')
print_mc_group_stats('styrelsen')
print_mc_group_stats('Fotboll')
print_mc_group_stats('Trampolin (SACRO)')
print_mc_group_stats('Volleyboll')
#print_mc_group_stats('Remaining migration')
print_mc_group_stats('MTB')
print_mc_group_stats('Skateboard (Chillskate)')
print_mc_group_stats('Innebandy')
#print_mc_group_stats('Remaining migration 2')
column_stats('Frisksportlöfte', mc_read_df)
column_stats('Hedersmedlem', mc_read_df)
column_stats('Ingen tidning tack', mc_read_df)
column_stats('Trampolinutbildning', mc_read_df)
column_stats('Frisksportutbildning', mc_read_df)
stats(" S**t MC ".center(40,"-"))
stats("")
# Get data from latest IO export (and convert some cols to IO format)
# Note! Doesn't read all columns...
io_read_df = _read_io_file(io_file_name, compare_io_columns)
stats("Antal inlästa från IO: {:>4} ({})".format(len(io_read_df), Path(io_file_name).name))
# Filter only with MC_Alla
#io_read_df = io_read_df[io_read_df['Grupp/Lag/Arbetsrum/Familj'].str.contains("MC_Alla", na=False)]
#stats("Antal medlemmar med MC_Alla i IO: {}".format(len(io_read_df)))
# Extract MC MedlemsID for all IO members
io_read_df['MC_MedlemsID'] = [search_medlemsid_from_io(comment, medlemsnr)
for comment, medlemsnr
in zip (io_read_df['Övrig medlemsinfo'], io_read_df['Medlemsnr.'])]
# Set correct dtype
io_read_df['MC_MedlemsID'] = io_read_df['MC_MedlemsID'].astype('string')
def print_io_group_stats(label, extra = None):
if extra:
print("{:<30} {:>3} st ({})".format(label, len(io_read_df.loc[io_read_df['Grupp/Lag/Arbetsrum/Familj'].str.contains(label) == True ]), extra))
else:
print("{:<30} {:>3} st".format(label, len(io_read_df.loc[io_read_df['Grupp/Lag/Arbetsrum/Familj'].str.contains(label) == True ])))
print_io_group_stats('Styrelse SFK')
print_io_group_stats('Senior')
print_io_group_stats('Sektion Innebandy')
print_io_group_stats('Sektion MTB')
print_io_group_stats('MC_Alla')
print_io_group_stats('MC_Cirkusledarutbildning')
print_io_group_stats('MC_Fotboll')
print_io_group_stats('MC_FrisksportlöfteJa')
print_io_group_stats('MC_FrisksportlöfteNej')
print_io_group_stats('MC_FrisksportutbildningBasic')
print_io_group_stats('MC_FrisksportutbildningSteg1')
print_io_group_stats('MC_GruppViaMC', "Ignorera")
print_io_group_stats('MC_Hedersmedlem')
print_io_group_stats('MC_Huvudsektion')
print_io_group_stats('MC_Import')
print_io_group_stats('MC_IngenTidning')
print_io_group_stats('MC_Innebandy')
print_io_group_stats('MC_Medlemmar', "Ignorera. Tas bort?")
print_io_group_stats('MC_Medlemsavgift_2020')
print_io_group_stats('MC_MTB')
print_io_group_stats('MC_OfullstPnr', "Ignorera")
print_io_group_stats('MC_OL')
print_io_group_stats('MC_SACRO')
print_io_group_stats('MC_Skate')
print_io_group_stats('MC_Skidor')
print_io_group_stats('MC_TrampolinutbildningSteg1')
print_io_group_stats('MC_TrampolinutbildningSteg2')
print_io_group_stats('MC_Uppdaterad', "Ignorera")
print_io_group_stats('MC_Volleyboll')
#io_groups = io_read_df['Grupp/Lag/Arbetsrum/Familj']
#io_each_group = io_groups.str.split(', ', expand=True)
#print(io_each_group)
# MC_FrisksportlöfteJa - 579061
# merged_df = merged_df[merged_df['Grupp/Lag/Arbetsrum/Familj'].str.contains('MC_Import', na="") != True]
#stats("Friskportslöfte = Ja i IO: {:>8}".format(str(len(io_read_df.loc[io_read_df['Grupp/Lag/Arbetsrum/Familj'] == 'Ja' ]))))
# MC_FrisksportlöfteNej - 579062
#stats("Friskportslöfte = Nej i IO: {:>8}".format(str(len(io_read_df.loc[io_read_df['Grupp/Lag/Arbetsrum/Familj'] == 'Nej' ]))))
stats("MC " + "> Merge (outer: personnummer) <".center(40, "-") + " IO")
merged_df = pd.merge(mc_read_df, io_read_df,
left_on = 'MedlemsID',
right_on = 'MC_MedlemsID',
how = 'outer',
suffixes = ('_mc','_io'),
indicator = True)
stats("Antal efter merge: {:>8}".format(str(len(merged_df))))
stats("Antal lika (på personnummer): {:>12} (fullst. + icke fullständiga)".format(str(len(merged_df))))
stats("Antal endast i MC: {:>8}".format(str(len(merged_df.loc[merged_df['_merge'] == 'left_only' ]))))
stats("Antal endast i IO: {:>8}".format(str(len(merged_df.loc[merged_df['_merge'] == 'right_only' ]))))
stats("Antal i båda: {:>8}".format(str(len(merged_df.loc[merged_df['_merge'] == 'both' ]))))
merged_filename = path_out + timestamp + '_comparison_merge_report.xlsx'
save_file(merged_filename, merged_df)
stats("Saving report: {}".format(merged_filename))
return
# Add group MC_Alla to everyone in MC and now also IO
for_mc_alla_df = pd.merge(mc_read_df, io_read_df,
left_on = 'Personnummer',
right_on = 'Födelsedat./Personnr.',
#left_on = ['Personnummer','Förnamn','Efternamn'],
#right_on = ['Födelsedat./Personnr.','Förnamn','Efternamn'],
how = 'inner',
suffixes = ('_mc','_io'))
mc_alla_filename = path_out + timestamp + '_mc_alla_report.xlsx'