def ucitaj_iznos():
listaIznosa = []
start = date.today()
conn = psycopg2.connect("dbname=Mlprojekt user=Kris password=bbforlife host=localhost")
for i in range(0,8):
cur = conn.cursor()
datum = (start + timedelta(days=i)).strftime('%Y-%m-%d')
cur.execute("""select sum (iznos_bruto) from predikcije where dan_boravka = %(datum)s and vrsta_sobe like %(A21)s and datum_predikcije = %(datump)s and predikcije = %(otkazana)s
union all
select sum (iznos_bruto) from predikcije where dan_boravka = %(datum)s and (vrsta_sobe = %(A2)s or vrsta_sobe like %(A2M)s or vrsta_sobe like %(A220)s or vrsta_sobe like %(A210)s) and datum_predikcije = %(datump)s and predikcije = %(otkazana)s
union all
select sum (iznos_bruto) from predikcije where dan_boravka = %(datum)s and vrsta_sobe like %(B2)s and datum_predikcije = %(datump)s and predikcije = %(otkazana)s
union all
select sum (iznos_bruto) from predikcije where dan_boravka = %(datum)s and vrsta_sobe like %(E1)s and datum_predikcije = %(datump)s and predikcije = %(otkazana)s
union all
select sum (iznos_bruto) from predikcije where dan_boravka = %(datum)s and vrsta_sobe like %(D1)s and datum_predikcije = %(datump)s and predikcije = %(otkazana)s
union all
select sum (iznos_bruto) from predikcije where dan_boravka = %(datum)s and vrsta_sobe like %(HA)s and datum_predikcije = %(datump)s and predikcije = %(otkazana)s""", {'datum': datum, 'datump': start.strftime('%Y-%m-%d'), 'otkazana': 1 , 'A21':'A21%', 'A2':'A2%', 'A2M':'A2M%', 'A220':'A220%', 'A210':'A210%', 'B2':'B2%', 'E1':'E1%','D1':'D1%','HA':'HA%',})
podaci = cur.fetchall()
# pretvori None u nulu
jed_list = [x[0] for x in podaci]
jed_list = [0 if v is None else v for v in jed_list]
zapis = {'datum':datum, 'A21':jed_list[0], 'A2':jed_list[1], 'B2':jed_list[2], 'E1':jed_list[3], 'D1':jed_list[4], 'HA':jed_list[5]}
print(zapis)
listaIznosa.append(zapis)
cur.close()
conn.close()
for zapis in listaIznosa:
zapis['id'] = str(gid())
return listaIznosa
def dodaj(s):
try:
s["id"] = str(gid())
s = Korisnik(**s)
return True, None
except Exception as e:
return False, str(e)
def dodaj(s):
try:
s["id"] = str(gid())
korisnik = Korisnik(**s)
return True, korisnik.id
except Exception as e:
return False, str(e)
def dodaj(s):
try:
s["id"] = str(gid())
knjiga = Knjiga(**s)
return True, knjiga.id
except Exception as e:
return False, str(e)
def dodaj(s):
try:
s["id"] = str(gid())
novi = Profesor(**s)
return True, novi.id
except Exception as e:
return False, str(e)
def dodaj(s):
try:
if id not in s:
s["id"] = str(gid())
s = Drzava(**s)
return True, None
except Exception as e:
return False, str(e)
def dodavanje(novi):
try:
novi["id"] = str(gid())
novi_korisnik = Korisnik(**novi)
return True, novi_korisnik.id
except Exception as e:
return str(e), False
def dodaj(s):
try:
s["id"] = str(gid())
zanr = Zanr(**s)
return True, zanr.id
except Exception as e:
return False, str(e)
def dodaj_prihod(p):
try:
p["id"] = str(gid())
novi_prihod = Prihod(**p)
return True, novi_prihod.id
except Exception as e:
return str(e), False
def dodaj_trosak(t):
try:
t["id"] = str(gid())
novi_trosak = Trosak(**t)
return True, novi_trosak.id
except Exception as e:
return str(e), False
def dodaj_izvjesce(i):
try:
i["id"] = str(gid())
novi_izvjesce = Izvjesce(**i)
return True, novi_izvjesce.id
except Exception as e:
return str(e), False
def dodaj(s):
try:
s["id"] = str(gid())
stavke = s["stavke"]
del s["stavke"] # ne može biti dict/list, mičemo za sada
s = Ispit(**s)
# dodaj i stavke sada, i poveži ih na novonastalo zaglavlje
for stavka in stavke:
stavka["id"] = str(gid())
stavka["ispit"] = s
st = StavkaIspita(**stavka)
# vraćamo tuple - dvije ili više vrijednosti istovremeno
return True, None
except Exception as e:
return False, str(e)
def dodaj(s):
try:
s["id"] = str(gid())
s = Rezultati(**s)
return True, None
except Exception as e:
return False, str(e)
def dodaj(s):
try:
s["id"] = str(gid())
if "profesori" in s:
profesori_kolegija = s["profesori"]
svi_profesori = list(Profesor[x] for x in profesori_kolegija)
s["profesori"] = svi_profesori
kreiran_kolegij = Kolegij(**s)
return True, kreiran_kolegij.id
except Exception as e:
return False, str(e)
def dodaj(igraci):
try:
for s in igraci:
s["id"] = str(gid())
s = Bodovi_igraca(**s)
o = "Uspjesno"
return True, o
except Exception as e:
return False, str(e)
def dodaj(s):
try:
s["id"] = str(gid())
if "timovi" in s:
timovi_ukup = s["timovi"]
svi_timovi = list(Tim[x] for x in timovi_ukup)
s["timovi"] = svi_timovi
kuglana_nova= Kuglana(**s)
return True, kuglana_nova.id
except Exception as e:
return False, str(e)
def dodaj(s):
try:
s["id"] = str(gid())
if "igraci" in s:
igraci_ukup = s["igraci"]
svi_igraci = list(Igrac[x] for x in igraci_ukup)
s["igraci"] = svi_igraci
kreiran_tim = Tim(**s)
return True, kreiran_tim.id
except Exception as e:
return False, str(e)
def dodaj(s):
try:
s["id"] = str(gid())
if "knjige" in s:
knjige_sve = s["knjige"]
moja_lista = list(Knjiga[x] for x in knjige_sve)
s["knjige"] = moja_lista
lista_knjiga = Lista_Zelja(**s)
return True, None
except Exception as e:
return False, str(e)
def dodaj(s):
try:
s["id"] = str(gid())
# provjera dal ima neki kolegij koji je došao i dal uopće postoji??
# ako postoji, predaj ORM instancu dalje u sloj "model"
if "kolegiji" in s:
lista_kolegija = s["kolegiji"]
lista_instanci = list(Kolegij[x] for x in lista_kolegija)
s["kolegiji"] = lista_instanci
# https://pythontips.com/2013/08/04/args-and-kwargs-in-python-explained/
kreirani_student = Student(**s)
return True, kreirani_student.id
except Exception as e:
return False, str(e)
def spremiRezervacijeZadnja24Sata():
listaRezervacija = Rezervacije.listaj_po_datumu_kreiranja_zadnja24h_sve()
conn = psycopg2.connect("dbname=Mlprojekt user=Kris password=bbforlife host=localhost")
cur = conn.cursor()
for rez in listaRezervacija:
if rez['storno'] == "DA":
rez['storno'] = 1
else:
rez['storno'] = 0
for rez in listaRezervacija:
dani = pd.date_range(rez['datum_od'], rez['datum_do']-timedelta(days=1), freq='d').strftime('%Y-%m-%d')
#print(dani)
lista = dani.tolist()
brojDana = rez['broj_dana']
totalIznos = rez['iznos_bruto']
totalNocenja = rez['nocenja']
totalPansion = rez['cijena_pans_usl']
del rez['datum_od']
del rez['datum_do']
#IZRAČUNAJ VRIJEDNOSTI PO DANU ZA SVAKU REZERVACIJU
IznosPoDanu = totalIznos / brojDana
NocenjaPoDanu = totalNocenja / brojDana
PansionPoDanu = totalPansion / brojDana
for dan in lista:
dan = dt.datetime.strptime(dan, '%Y-%m-%d').date()
rez['dan_boravka'] = dan
rez['iznos_bruto'] = IznosPoDanu
rez['nocenja'] = NocenjaPoDanu
rez['cijena_pans_usl'] = PansionPoDanu
rez['mjesec'] = dan.month
#spremi u bazu
novi_id = str(gid())
novi = {"id":novi_id, "id_rezervacije":rez['id'], "sif_hotela":rez['sif_hotela'], "godina":rez['godina'], "sif_rezervacije":rez['sif_rezervacije'], "rbr_stavke":rez['rbr_stavke'], "vrijeme_kreiranje":rez['vrijeme_kreiranje'], "datum_kreiranja":rez['datum_kreiranja'], "broj_dana":rez['broj_dana'], "sif_usluge":rez['sif_usluge'], "status_rezervacije":rez['status_rezervacije'], "datum_do_potvrde_opcije":rez['datum_do_potvrde_opcije'], "sif_drzave":rez['sif_drzave'], "sif_agencije":rez['sif_agencije'], "tip_ro":rez['tip_ro'], "obaveza_akontacije":rez['obaveza_akontacije'], "iznos_akontacije":rez['iznos_akontacije'], "storno":rez['storno'], "vrijeme_storna":rez['vrijeme_storna'], "datum_storna":rez['datum_storna'], "broj_osoba":rez['broj_osoba'], "broj_djece":rez['broj_djece'], "broj_soba":rez['broj_soba'], "nocenja":rez['nocenja'], "jedinice":rez['jedinice'], "cijena_pans_usl":rez['cijena_pans_usl'], "iznos_bruto":rez['iznos_bruto'], "valuta":rez['valuta'], "tecaj":rez['tecaj'], "lead_time_dani":rez['lead_time_dani'], "dat_storna_do_dat_dolaska":rez['dat_storna_do_dat_dolaska'], "tip_garancije":rez['tip_garancije'], "postotak_akontacije":rez['postotak_akontacije'], "mjesec":rez['mjesec'], "godina_rezervacije":rez['godina_rezervacije'], "vrsta_sobe":rez['vrsta_sobe'], "kanal":rez['kanal'], "nacin_rezervacije":rez['nacin_rezervacije'], "vrsta_sobe_naplata":rez['vrsta_sobe_naplata'], "dan_boravka":rez['dan_boravka']}
sql_insert = """INSERT INTO rezervacijadani(id, id_rezervacije, sif_hotela, godina, sif_rezervacije, rbr_stavke, vrijeme_kreiranje, datum_kreiranja, broj_dana, sif_usluge, status_rezervacije, datum_do_potvrde_opcije, sif_drzave, sif_agencije, tip_ro, obaveza_akontacije, iznos_akontacije, storno, vrijeme_storna, datum_storna, broj_osoba, broj_djece, broj_soba, nocenja, jedinice, cijena_pans_usl, iznos_bruto, valuta, tecaj, lead_time_dani, dat_storna_do_dat_dolaska, tip_garancije, postotak_akontacije, mjesec, godina_rezervacije, vrsta_sobe, kanal, nacin_rezervacije, vrsta_sobe_naplata, dan_boravka) VALUES (%(id)s, %(id_rezervacije)s, %(sif_hotela)s, %(godina)s, %(sif_rezervacije)s, %(rbr_stavke)s, %(vrijeme_kreiranje)s, %(datum_kreiranja)s, %(broj_dana)s, %(sif_usluge)s, %(status_rezervacije)s, %(datum_do_potvrde_opcije)s, %(sif_drzave)s, %(sif_agencije)s, %(tip_ro)s, %(obaveza_akontacije)s, %(iznos_akontacije)s, %(storno)s, %(vrijeme_storna)s, %(datum_storna)s, %(broj_osoba)s, %(broj_djece)s, %(broj_soba)s, %(nocenja)s, %(jedinice)s, %(cijena_pans_usl)s, %(iznos_bruto)s, %(valuta)s, %(tecaj)s, %(lead_time_dani)s, %(dat_storna_do_dat_dolaska)s, %(tip_garancije)s, %(postotak_akontacije)s, %(mjesec)s, %(godina_rezervacije)s, %(vrsta_sobe)s, %(kanal)s, %(nacin_rezervacije)s, %(vrsta_sobe_naplata)s, %(dan_boravka)s)"""
cur.execute(sql_insert, novi)
conn.commit()
print("GOTOVO")
def napravi_predikcije_za_ostale_dane():
listaZaSpremanje = []
# KREIRAJ LISTU SA DATUMIMA ZA IDUĆIH 8 DANA OD SUTRA
sutra = (dt.date.today()) + timedelta(days=1)
listaDana = []
for i in range(0, 8):
datum = sutra + timedelta(days=i)
listaDana.append(datum)
lista_br_dana_prije_dolaska = [1, 3, 7]
# UCITAJ PODATKE IZ DB
for dan in listaDana:
listaZaModel = []
razlika = (dan - (dt.date.today())).days
listaRezervacija = RezervacijeDani.listaj_rez_za_datum(dan)
listaPrognoza = VremePrognoze.listaj_prog_za_datum(dan)
jucer = dan - timedelta(days=1)
listaPredikcija = Outputi.listaj_pred_za_datum(jucer)
# izračunaj dodatne stavke poput indexa vrućine za svaki zapis iz liste prognoza
for stavka in listaPrognoza:
c1, c2, c3, c4, c5, c6, c7, c8, c9 = -42.379, 2.04901523, 10.14333127, -0.22475541, -6.83783 * 10**-3, -5.481717 * 10**-2, 1.22874 * 10**-3, 8.5282 * 10**-4, -1.99 * 10**-6
T = (stavka['temp_max'] * 1.8) + 32
V = stavka['relativna_vlaznost']
stavka[
'index_vrucine'] = c1 + c2 * T + c3 * V + c4 * T * V + c5 * T**2 + c6 * V**2 + c7 * T**2 * V + c8 * T * V**2 + c9 * T**2 * V**2
# PREPROCESIRAJ PODATKE
for stavka in listaRezervacija:
if stavka['vrsta_sobe'] == 'S2':
stavka['vrsta_sobe'] = 'B220'
if stavka['vrsta_sobe'] == 'DSU' or stavka[
'vrsta_sobe'] == 'S1' or stavka['vrsta_sobe'] == 'DSUM':
stavka['vrsta_sobe'] = 'D1'
if stavka['vrsta_sobe'] == 'S2':
stavka['vrsta_sobe'] = 'B220'
if stavka['vrsta_sobe'] == 'N31' or stavka[
'vrsta_sobe'] == 'N41' or stavka[
'vrsta_sobe'] == 'APP4' or stavka[
'vrsta_sobe'] == 'N52':
stavka['vrsta_sobe'] = 'HA42M'
for i in range(len(listaPrognoza)):
for vrijednost in lista_br_dana_prije_dolaska:
if (stavka['dan_boravka']
== listaPrognoza[i]['datum']) and (
(razlika + vrijednost)
== listaPrognoza[i]['preostalo_dana']):
stavka[
'tlak_zraka' +
str(vrijednost)] = listaPrognoza[i]['tlak_zraka']
stavka['oblaci_pokrice' + str(
vrijednost)] = listaPrognoza[i]['oblaci_pokrice']
stavka[
'temp_prosjek' +
str(vrijednost)] = listaPrognoza[i]['temp_prosjek']
stavka['temp_max' +
str(vrijednost)] = listaPrognoza[i]['temp_max']
stavka['temp_min' +
str(vrijednost)] = listaPrognoza[i]['temp_min']
stavka['oborine_mogucnost' +
str(vrijednost
)] = listaPrognoza[i]['oborine_akumulirano']
stavka['brzina_vjetra' + str(
vrijednost)] = listaPrognoza[i]['brzina_vjetra']
stavka['index_vrucine' + str(
vrijednost)] = listaPrognoza[i]['index_vrucine']
stavka['prognoza' +
str(vrijednost)] = listaPrognoza[i]['prognoza']
listaZaModel.append(stavka)
for stavka in listaZaModel:
stavka['p_tlak_zraka_31'] = stavka['tlak_zraka3'] - stavka[
'tlak_zraka1']
stavka['p_tlak_zraka_73'] = stavka['tlak_zraka7'] - stavka[
'tlak_zraka3']
stavka['p_temp_min_31'] = stavka['temp_min3'] - stavka['temp_min1']
stavka['p_temp_min_73'] = stavka['temp_min7'] - stavka['temp_min3']
stavka['p_temp_max_31'] = stavka['temp_max3'] - stavka['temp_max1']
stavka['p_temp_max_73'] = stavka['temp_max7'] - stavka['temp_max3']
stavka['p_oborine_mogucnost31'] = stavka[
'oborine_mogucnost3'] - stavka['oborine_mogucnost1']
stavka['p_oborine_mogucnost73'] = stavka[
'oborine_mogucnost7'] - stavka['oborine_mogucnost3']
stavka['p_oblaci_pokrice_31'] = stavka['oblaci_pokrice3'] - stavka[
'oblaci_pokrice1']
stavka['p_oblaci_pokrice_73'] = stavka['oblaci_pokrice7'] - stavka[
'oblaci_pokrice3']
stavka['p_brzina_vjetra_31'] = stavka['brzina_vjetra3'] - stavka[
'brzina_vjetra1']
stavka['p_brzina_vjetra_73'] = stavka['brzina_vjetra7'] - stavka[
'brzina_vjetra3']
# PROVJERI AKO JE NEKA REZERVACIJA VEĆ KLASIFICIRANA KAO STORNO U PRETHODNOJ PREDIKCIJI I OZNAČI JE SUKLADNO (da se izbjegne slučaj da jedan dan iste rezervacije bude klasificiran kao storno, a drugi ne)
for stavka in listaZaModel:
for i in range(len(listaPredikcija)):
if stavka['sif_rezervacije'] == listaPredikcija[i][
'sif_rezervacije']:
stavka['storno'] = 1
else:
stavka['storno'] = 0
dfTotal = pd.DataFrame(listaZaModel)
# PODIJELI NA STORNO DA/NE, PREMA FILTRIRANJU U PRETHODNOM KORAKU
dfDA = dfTotal[dfTotal['storno'] == 1]
df = dfTotal[dfTotal['storno'] == 0]
# NASTAVI PROCESIRANJE PODATAKA IZ FILTRIRANIH REZERVACIJA
# ListaSaSiframa, df_danb, df_bruto i df_jed su kreirani za spremanje sa predikcijama u DB
ListaSaSiframa = df['sif_rezervacije']
df['dan_boravka'] = pd.to_datetime(df['dan_boravka'])
df_danb = df['dan_boravka']
df_jed = df['jedinice']
df_bruto = df['iznos_bruto']
df = df.drop(columns=[
'id', 'id_rezervacije', 'sif_hotela', 'datum_kreiranja',
'dan_boravka', 'sif_usluge', 'tip_ro', 'broj_osoba', 'broj_djece',
'cijena_pans_usl', 'godina', 'sif_rezervacije', 'rbr_stavke',
'vrijeme_kreiranje', 'valuta', 'tecaj', 'vrijeme_storna',
'sif_agencije', 'lead_time_dani', 'datum_do_potvrde_opcije',
'mjesec', 'datum_storna', 'vrsta_sobe_naplata', 'index_vrucine3',
'index_vrucine7', 'godina_rezervacije', 'obaveza_akontacije',
'sif_drzave'
])
# zamijeni NUll vrijednosti
df['iznos_akontacije'].fillna(value=0, inplace=True)
df['tip_garancije'] = df['tip_garancije'].fillna('O')
df = df.drop(columns=[
'broj_dana', 'storno', 'postotak_akontacije', 'p_tlak_zraka_31',
'jedinice', 'iznos_bruto', 'p_tlak_zraka_73', 'p_temp_max_73',
'p_oborine_mogucnost73', 'p_brzina_vjetra_31',
'p_oblaci_pokrice_31', 'p_oblaci_pokrice_73', 'iznos_akontacije',
'nocenja', 'prognoza3', 'prognoza1', 'prognoza7',
'dat_storna_do_dat_dolaska', 'temp_prosjek3', 'temp_max3',
'temp_min3', 'brzina_vjetra3', 'tlak_zraka3', 'oblaci_pokrice3',
'oborine_mogucnost3', 'temp_prosjek7', 'temp_max7', 'temp_min7',
'brzina_vjetra7', 'tlak_zraka7', 'oblaci_pokrice7',
'oborine_mogucnost7'
],
axis='columns')
# Definicija tipova kolona za daljnje procesiranje
numericke = [
'index_vrucine1', 'temp_prosjek1', 'broj_soba', 'temp_max1',
'temp_min1', 'brzina_vjetra1', 'tlak_zraka1', 'oblaci_pokrice1',
'oborine_mogucnost1', 'p_temp_min_31', 'p_temp_min_73',
'p_temp_max_31', 'p_oborine_mogucnost31', 'p_brzina_vjetra_73'
]
kategoricke = [
'nacin_rezervacije', 'status_rezervacije', 'vrsta_sobe', 'kanal',
'tip_garancije'
]
# LOAD PIPELINE-A
PrepPipeline = pickle.load(open('./Pipeline/Pipeline_Total.pkl', 'rb'))
X_fit = PrepPipeline.transform(df)
# učitaj model za predikciju
prag_odluke = 0.609095
model = pickle.load(open('./Modeli/Model_Final.pkl', 'rb'))
predikcije = (model.predict_proba(X_fit)[:, 1] >=
prag_odluke).astype(int)
broj_zapisa = predikcije.shape[0]
lista_id = []
listaDatuma = []
for i in range(broj_zapisa):
i = str(gid())
lista_id.append(i)
for i in df_danb:
i = (datetime.date(i))
listaDatuma.append(i)
df_pred = pd.DataFrame(lista_id, columns=['id'])
df_pred['dan_boravka'] = listaDatuma
df_pred['sif_rezervacije'] = ListaSaSiframa
df_pred['vrsta_sobe'] = df['vrsta_sobe']
df_pred['kanal'] = df['kanal']
df_pred['jedinice'] = df_jed
df_pred['iznos_bruto'] = df_bruto
df_pred['predikcije'] = predikcije
df_pred['datum_predikcije'] = date.today()
# PROCESIRAJ I PRIDODAJ OTPRIJE FILTRIRANE ZAPISE KONAČNOM DATASETU ZA UPIS U BAZU
listaSifriRezervacija = dfDA['sif_rezervacije']
dfDA = dfDA.drop(columns=[
'postotak_akontacije', 'id', 'id_rezervacije', 'sif_hotela',
'sif_usluge', 'tip_ro', 'broj_osoba', 'broj_djece',
'cijena_pans_usl', 'godina', 'sif_rezervacije', 'rbr_stavke',
'vrijeme_kreiranje', 'valuta', 'tecaj', 'vrijeme_storna',
'sif_agencije', 'tip_garancije', 'lead_time_dani',
'datum_do_potvrde_opcije', 'mjesec', 'datum_storna',
'vrsta_sobe_naplata', 'index_vrucine1', 'index_vrucine3',
'index_vrucine7', 'godina_rezervacije', 'obaveza_akontacije',
'nacin_rezervacije', 'sif_drzave'
])
dfDA['dan_boravka'] = pd.to_datetime(dfDA['dan_boravka'])
dfDA = dfDA.drop(columns=[
'datum_kreiranja', 'storno', 'iznos_akontacije', 'nocenja',
'prognoza3', 'prognoza1', 'prognoza7', 'dat_storna_do_dat_dolaska',
'temp_prosjek1', 'temp_prosjek3', 'temp_max3', 'temp_min3',
'brzina_vjetra3', 'tlak_zraka3', 'oblaci_pokrice3',
'oborine_mogucnost3', 'temp_prosjek7', 'temp_max7', 'temp_min7',
'brzina_vjetra7', 'tlak_zraka7', 'oblaci_pokrice7',
'oborine_mogucnost7'
],
axis='columns')
listaIdStorna = []
for i in range(dfDA.shape[0]):
i = str(gid())
listaIdStorna.append(i)
dfDodaj = pd.DataFrame(listaIdStorna, columns=['id'])
dfDodaj['dan_boravka'] = dfDA['dan_boravka']
dfDodaj['sif_rezervacije'] = listaSifriRezervacija
dfDodaj['vrsta_sobe'] = dfDA['vrsta_sobe']
dfDodaj['kanal'] = dfDA['kanal']
dfDodaj['jedinice'] = dfDA['jedinice']
dfDodaj['iznos_bruto'] = dfDA['iznos_bruto']
dfDodaj['predikcije'] = 1
dfDodaj['datum_predikcije'] = date.today()
df_pred = df_pred.append(dfDodaj, ignore_index=True)
df_pred = df_pred[~(df_pred.isna().any(axis=1))]
# SPREMI U DB
listaPredikcija = df_pred.to_dict('records')
conn = psycopg2.connect(
("dbname=Mlprojekt user=Kris password=bbforlife host=localhost"))
for stavka in listaPredikcija:
novi = {
"id": stavka['id'],
"dan_boravka": stavka['dan_boravka'],
"sif_rezervacije": stavka['sif_rezervacije'],
"vrsta_sobe": stavka['vrsta_sobe'],
"kanal": stavka['kanal'],
"jedinice": stavka['jedinice'],
"iznos_bruto": stavka['iznos_bruto'],
"predikcije": stavka['predikcije'],
"datum_predikcije": stavka['datum_predikcije']
}
cur = conn.cursor()
cur.execute(
"""INSERT INTO predikcije(id, dan_boravka, sif_rezervacije, vrsta_sobe, kanal, jedinice, iznos_bruto, predikcije, datum_predikcije)
VALUES (%(id)s, %(dan_boravka)s, %(sif_rezervacije)s, %(vrsta_sobe)s, %(kanal)s, %(jedinice)s, %(iznos_bruto)s, %(predikcije)s,
%(datum_predikcije)s)""", novi)
conn.commit()
print("predikcije uspješno ubačene")
def spremi_prognozu_u_bazu():
url = 'https://api.weatherbit.io/v2.0/forecast/daily?city=vrsar&country=hr&key=6517f6215ddb471da8a1f03a55fe694a'
json_data = requests.get(url).json()
dataframe = pd.DataFrame(json_data['data'])
#izbaci weather////////////////////////////////////////////
dataframe2 = dataframe.drop('weather', 1)
#kreiraj novi df iz liste samo s weather kolonama//////////
dataframe3 = pd.DataFrame((dataframe['weather']).tolist())
#kreiraj novi df samo s description kolonom///////////////////
dataframe4 = dataframe3['description']
#makni kolone koje ne trebamo !!!!!!!!!!
dataframe2 = dataframe.drop(columns=[
'moonrise_ts', 'wind_cdir', 'high_temp', 'sunset_ts', 'ozone',
'moon_phase', 'ts', 'sunrise_ts', 'app_min_temp', 'pop',
'wind_cdir_full', 'slp', 'moon_phase_lunation', 'app_max_temp', 'snow',
'max_dhi', 'clouds_hi', 'low_temp', 'moonset_ts', 'datetime',
'clouds_mid', 'clouds_low'
])
dataframe2['forecast_date'] = dt.datetime.now().strftime('%Y-%m-%d')
#pravilni redoslijed kolona
dataframe2 = dataframe2[[
'valid_date', 'forecast_date', 'temp', 'max_temp', 'min_temp', 'vis',
'wind_dir', 'wind_spd', 'wind_gust_spd', 'rh', 'pres', 'uv', 'clouds',
'precip', 'snow_depth', 'dewpt'
]]
#dodaj kolonu description kao dodatnu kolonu u df2//////
dataframe2['Weather'] = dataframe4
#nova kolona za broj dana između dana prognoze i dana za koji je prognoza napravljena
dataframe2['preostalo_dana'] = ""
#DATAFRAME U LISTU i INSERT PROGNOZE ZA 16 DANA OD DANAS
lista2 = dataframe2.values.tolist()
# ubaci vrijednosti u novu kolonu
for a in lista2:
a[17] = ((datetime.strptime(a[0], '%Y-%m-%d')) -
(datetime.strptime(a[1], '%Y-%m-%d'))).days
#spremi u DB
conn = psycopg2.connect(
"dbname=Mlprojekt user=Kris password=bbforlife host=localhost")
for stavka in lista2:
novi_id = str(gid())
novi = {
"id": novi_id,
"datum": stavka[0],
"datum_prognoze": stavka[1],
"temp_prosjek": stavka[2],
"temp_max": stavka[3],
"temp_min": stavka[4],
"vidljivost": stavka[5],
"smjer_vjetra_stupnjevi": stavka[6],
"brzina_vjetra": stavka[7],
"nalet_vjetra_brzina": stavka[8],
"relativna_vlaznost": stavka[9],
"tlak_zraka": stavka[10],
"uv_index": stavka[11],
"oblaci_pokrice": stavka[12],
"oborine_akumulirano": stavka[13],
"dubina_snijega": stavka[14],
"rosa_prosjek": stavka[15],
"prognoza": stavka[16],
"preostalo_dana": stavka[17]
}
print(novi)
conn = psycopg2.connect(
"dbname=Mlprojekt user=Kris password=bbforlife host=localhost")
cur = conn.cursor()
cur.execute(
"""INSERT INTO vremeprognoza(id, datum, datum_prognoze, temp_prosjek, temp_max, temp_min, vidljivost, smjer_vjetra_stupnjevi, brzina_vjetra, nalet_vjetra_brzina, relativna_vlaznost, tlak_zraka, uv_index, oblaci_pokrice, oborine_akumulirano, dubina_snijega, rosa_prosjek, prognoza, preostalo_dana) VALUES (%(id)s, %(datum)s, %(datum_prognoze)s, %(temp_prosjek)s, %(temp_max)s, %(temp_min)s, %(vidljivost)s, %(smjer_vjetra_stupnjevi)s, %(brzina_vjetra)s, %(nalet_vjetra_brzina)s, %(relativna_vlaznost)s, %(tlak_zraka)s, %(uv_index)s, %(oblaci_pokrice)s, %(oborine_akumulirano)s, %(dubina_snijega)s, %(rosa_prosjek)s, %(prognoza)s, %(preostalo_dana)s)""",
novi)
conn.commit()
print("nova prognoza uspješno ubačena")
def napravi_predikcije_za_danas():
listaRezervacija = RezervacijeDani.listaj_rez_za_danas()
listaPrognoza = VremePrognoze.listaj_prog_za_danas()
# izračunaj dodatne stavke poput indexa vrućine za svaki zapis iz liste prognoza
for stavka in listaPrognoza:
# konstante indexa vrućine (°F)
c1, c2, c3, c4, c5, c6, c7, c8, c9 = -42.379, 2.04901523, 10.14333127, -0.22475541, -6.83783 * 10**-3, -5.481717 * 10**-2, 1.22874 * 10**-3, 8.5282 * 10**-4, -1.99 * 10**-6
T = (stavka['temp_max'] * 1.8) + 32
V = stavka['relativna_vlaznost']
stavka[
'index_vrucine'] = c1 + c2 * T + c3 * V + c4 * T * V + c5 * T**2 + c6 * V**2 + c7 * T**2 * V + c8 * T * V**2 + c9 * T**2 * V**2
listaZaModel = []
# SPOJI REZERVACIJE PO DATUMU S ODGOVARAJUĆIM PROGNOZAMA 1, 3 I 7 DANA PRIJE TOG DATUMA
danas = dt.date.today()
lista_br_dana_prije_dolaska = [1, 3, 7]
for stavka in listaRezervacija:
if stavka['vrsta_sobe'] == 'S2':
stavka['vrsta_sobe'] = 'B220'
if stavka['vrsta_sobe'] == 'DSU' or stavka[
'vrsta_sobe'] == 'S1' or stavka['vrsta_sobe'] == 'DSUM':
stavka['vrsta_sobe'] = 'D1'
if stavka['vrsta_sobe'] == 'S2':
stavka['vrsta_sobe'] = 'B220'
if stavka['vrsta_sobe'] == 'N31' or stavka[
'vrsta_sobe'] == 'N41' or stavka[
'vrsta_sobe'] == 'APP4' or stavka['vrsta_sobe'] == 'N52':
stavka['vrsta_sobe'] = 'HA42M'
for i in range(len(listaPrognoza)):
for vrijednost in lista_br_dana_prije_dolaska:
if vrijednost == listaPrognoza[i]['preostalo_dana']:
stavka['tlak_zraka' +
str(vrijednost)] = listaPrognoza[i]['tlak_zraka']
stavka[
'oblaci_pokrice' +
str(vrijednost)] = listaPrognoza[i]['oblaci_pokrice']
stavka['temp_prosjek' +
str(vrijednost)] = listaPrognoza[i]['temp_prosjek']
stavka['temp_max' +
str(vrijednost)] = listaPrognoza[i]['temp_max']
stavka['temp_min' +
str(vrijednost)] = listaPrognoza[i]['temp_min']
stavka['oborine_mogucnost' + str(
vrijednost)] = listaPrognoza[i]['oborine_akumulirano']
stavka['brzina_vjetra' +
str(vrijednost)] = listaPrognoza[i]['brzina_vjetra']
stavka['index_vrucine' +
str(vrijednost)] = listaPrognoza[i]['index_vrucine']
stavka['prognoza' +
str(vrijednost)] = listaPrognoza[i]['prognoza']
listaZaModel.append(stavka)
for stavka in listaZaModel:
stavka[
'p_tlak_zraka_31'] = stavka['tlak_zraka3'] - stavka['tlak_zraka1']
stavka[
'p_tlak_zraka_73'] = stavka['tlak_zraka7'] - stavka['tlak_zraka3']
stavka['p_temp_min_31'] = stavka['temp_min3'] - stavka['temp_min1']
stavka['p_temp_min_73'] = stavka['temp_min7'] - stavka['temp_min3']
stavka['p_temp_max_31'] = stavka['temp_max3'] - stavka['temp_max1']
stavka['p_temp_max_73'] = stavka['temp_max7'] - stavka['temp_max3']
stavka['p_oborine_mogucnost31'] = stavka[
'oborine_mogucnost3'] - stavka['oborine_mogucnost1']
stavka['p_oborine_mogucnost73'] = stavka[
'oborine_mogucnost7'] - stavka['oborine_mogucnost3']
stavka['p_oblaci_pokrice_31'] = stavka['oblaci_pokrice3'] - stavka[
'oblaci_pokrice1']
stavka['p_oblaci_pokrice_73'] = stavka['oblaci_pokrice7'] - stavka[
'oblaci_pokrice3']
stavka['p_brzina_vjetra_31'] = stavka['brzina_vjetra3'] - stavka[
'brzina_vjetra1']
stavka['p_brzina_vjetra_73'] = stavka['brzina_vjetra7'] - stavka[
'brzina_vjetra3']
df = pd.DataFrame(listaZaModel)
# ListaSaSiframa, df_danb, df_bruto i df_jed su kreirani za spremanje sa predikcijama u DB
ListaSaSiframa = df['sif_rezervacije']
df['dan_boravka'] = pd.to_datetime(df['dan_boravka'])
df_danb = df['dan_boravka']
df_jed = df['jedinice']
df_bruto = df['iznos_bruto']
df = df.drop(columns=[
'id', 'id_rezervacije', 'sif_hotela', 'datum_kreiranja', 'dan_boravka',
'sif_usluge', 'tip_ro', 'broj_osoba', 'broj_djece', 'cijena_pans_usl',
'godina', 'sif_rezervacije', 'rbr_stavke', 'vrijeme_kreiranje',
'valuta', 'tecaj', 'vrijeme_storna', 'sif_agencije', 'lead_time_dani',
'datum_do_potvrde_opcije', 'mjesec', 'datum_storna',
'vrsta_sobe_naplata', 'index_vrucine3', 'index_vrucine7',
'godina_rezervacije', 'obaveza_akontacije', 'sif_drzave'
])
# NUll vrijednosti zamijeni nulom u kolonama
df['iznos_akontacije'].fillna(value=0, inplace=True)
# makni ostale suvišne kolone
df = df.drop(columns=[
'broj_dana', 'storno', 'postotak_akontacije', 'p_tlak_zraka_31',
'jedinice', 'p_tlak_zraka_73', 'p_temp_max_73',
'p_oborine_mogucnost73', 'p_brzina_vjetra_31', 'p_oblaci_pokrice_31',
'p_oblaci_pokrice_73', 'iznos_akontacije', 'nocenja', 'prognoza3',
'prognoza1', 'prognoza7', 'dat_storna_do_dat_dolaska', 'temp_prosjek3',
'temp_max3', 'temp_min3', 'brzina_vjetra3', 'tlak_zraka3',
'oblaci_pokrice3', 'oborine_mogucnost3', 'temp_prosjek7', 'temp_max7',
'temp_min7', 'brzina_vjetra7', 'tlak_zraka7', 'oblaci_pokrice7',
'oborine_mogucnost7'
],
axis='columns')
df['tip_garancije'] = df['tip_garancije'].fillna('O')
# Definicija tipova kolona za daljnje procesiranje
numericke = [
'index_vrucine1', 'temp_prosjek1', 'broj_soba', 'temp_max1',
'temp_min1', 'brzina_vjetra1', 'tlak_zraka1', 'oblaci_pokrice1',
'oborine_mogucnost1', 'p_temp_min_31', 'p_temp_min_73',
'p_temp_max_31', 'p_oborine_mogucnost31', 'p_brzina_vjetra_73'
]
kategoricke = [
'nacin_rezervacije', 'status_rezervacije', 'vrsta_sobe', 'kanal',
'tip_garancije'
]
# LOAD PIPELINE-A
PrepPipeline = pickle.load(open('./Pipeline/Pipeline_Total.pkl', 'rb'))
X_fit = PrepPipeline.transform(df)
# učitaj model za predikciju
prag_odluke = 0.609095
model = pickle.load(open('./Modeli/Model_Final.pkl', 'rb'))
predikcije = (model.predict_proba(X_fit)[:, 1] >= prag_odluke).astype(int)
broj_zapisa = predikcije.shape[0]
lista_id = []
listaDatuma = []
for i in range(broj_zapisa):
i = str(gid())
lista_id.append(i)
# spremi excelicu sa predikcijama
for i in df_danb:
i = (datetime.date(i))
listaDatuma.append(i)
df_pred = pd.DataFrame(lista_id, columns=['id'])
df_pred['dan_boravka'] = listaDatuma
df_pred['sif_rezervacije'] = ListaSaSiframa
df_pred['vrsta_sobe'] = df['vrsta_sobe']
df_pred['kanal'] = df['kanal']
df_pred['jedinice'] = df_jed
df_pred['iznos_bruto'] = df_bruto
df_pred['predikcije'] = predikcije
df_pred['datum_predikcije'] = date.today()
# df_pred.to_excel('./Excelice/Predikcije/Predikcije' + str(date.today()) + '.xlsx')
#listaPredikcija = df_pred.to_numpy()
listaPredikcija = df_pred.to_dict('records')
print(listaPredikcija[0])
# SPREMI U DB
conn = psycopg2.connect(
"dbname=Mlprojekt user=Kris password=bbforlife host=localhost")
for stavka in listaPredikcija:
novi = {
"id": stavka['id'],
"dan_boravka": stavka['dan_boravka'],
"sif_rezervacije": stavka['sif_rezervacije'],
"vrsta_sobe": stavka['vrsta_sobe'],
"kanal": stavka['kanal'],
"jedinice": stavka['jedinice'],
"iznos_bruto": stavka['iznos_bruto'],
"predikcije": stavka['predikcije'],
"datum_predikcije": stavka['datum_predikcije']
}
cur = conn.cursor()
cur.execute(
"""INSERT INTO predikcije(id, dan_boravka, sif_rezervacije, vrsta_sobe, kanal, jedinice, iznos_bruto, predikcije, datum_predikcije) VALUES (%(id)s, %(dan_boravka)s, %(sif_rezervacije)s, %(vrsta_sobe)s, %(kanal)s, %(jedinice)s, %(iznos_bruto)s, %(predikcije)s, %(datum_predikcije)s)""",
novi)
conn.commit()
print("nova predikcija uspješno ubačena")
sep=None,
header=0,
engine='python')
#spremi u listu i DB
lista = data.values.tolist()
conn = psycopg2.connect(
"dbname=Mlprojekt user=Kris password=bbforlife host=localhost")
cur = conn.cursor()
for stavka in lista:
for i in range(39):
if type(stavka[i]) == pd._libs.tslibs.nattype.NaTType or pd.isna(
stavka[i]) == 1:
stavka[i] = None
novi_id = str(gid())
novi = {
"id": novi_id,
"sif_hotela": stavka[0],
"godina": stavka[1],
"sif_rezervacije": stavka[2],
"rbr_stavke": stavka[3],
"vrijeme_kreiranje": stavka[4],
"datum_kreiranja": stavka[5],
"datum_od": stavka[6],
"datum_do": stavka[7],
"broj_dana": stavka[8],
"sif_usluge": stavka[9],
"status_rezervacije": stavka[10],
"datum_do_potvrde_opcije": stavka[11],
"sif_drzave": stavka[12],
