sarapy 2.0.0__py3-none-any.whl → 2.1.1__py3-none-any.whl

sarapy/dataProcessing/OpsProcessor.py

@@ -72,18 +72,26 @@ class OpsProcessor():
         Se toma una nueva muestra y se procesa la información para clasificar las operaciones considerando el
         plantín y por otro lado el fertilizante.
         Se retorna un array con las clasificaciones concatenadas, manteniendo el orden de las operaciones por operario.
-        
+
         Args:
-            ¡¡¡¡¡¡¡DOCUMENTAR!!!!!!!!!!!!!!!
+            - data: Lista de diccionario. Cada diccionario tiene la forma.
+            Ejemplo (NOTA: El salto de línea es agregado para mejorar la legibilidad):
+            [
+            {"id": 6, "receiver_timestamp": "2025-06-21T15:51:36.527825+00:00", "timestamp": "2025-06-21T15:51:01.000002+00:00", "datum": null,
+            "csv_datum": "2025-06-21T15:51:01.000002+00:00,2,0,0,1,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,-58.0321,-33.2471,
+            1,0,0,0,0,0,0,0,0,0,1,1,1,0,1,1,0,0,0,0,1,0,0,1,1,0,3,0,0,0,0,3,0,0,0,0,0,1,0,0,0,0,0.0000,0.0000,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0", 
+            "longitude": null, "latitude": null, "accuracy": null, "tag_seedling": null, "tag_fertilizer": null}
+            ]
             
         Returns:
             Lista de diccionarios con las clasificaciones. Cada diccionario tiene la forma
-            {"id_db_h": 10, "id_db_dw": 10, "tag_seedling": 1, "tag_fertilizer": gramos (float)}
+            [{"timestamp": "2025-05-27T21:42:38.000002+00:00", "tag_seedling": 1, "tag_fertilizer": gramos (float)},...]
         """
         
         ##chqueo que newSample no esté vacío
         if len(data) != 0:
             newSample = self.transformInputData.transform(data)
+
             #Si tenemos nuevas operaciones, actualizamos el diccionario de operaciones
             self.updateOperationsDict(newSample) #actualizamos diccionario interno de la clase
             pl_clas = self.classifyForPlantin(**kwargs) #clasificamos las operaciones para plantín
@@ -94,9 +102,9 @@ class OpsProcessor():
             id_db_h_nums, id_db_dw_nums = self.getActualOperationsNumbers() #obtenemos los números de operaciones desde el diccionario de operaciones
             logging.debug(f"ID_DB_H shape: {id_db_h_nums.shape}, ID_DB_DW shape: {id_db_dw_nums.shape}")
             date_oprc = pd.DataFrame(newSample)["date_oprc"].values.reshape(-1, 1) ##extraigo las fechas de operación de la muestra
-
-            return self.transformToOutputData.fit_transform(np.column_stack((id_db_h_nums,
-                                                                             id_db_dw_nums,
+            timestamps = pd.DataFrame(newSample)["timestamp"].values.reshape(-1, 1) ##extraigo los timestamps de la muestra
+            
+            return self.transformToOutputData.fit_transform(np.column_stack((timestamps,
                                                                              pl_clas,
                                                                              ft_grams)))
         else:
@@ -301,11 +309,10 @@ if __name__ == "__main__":
     with open(historical_data_path, 'r') as file:
         samples = json.load(file)
 
-    samples1 = samples[:100]
-    samples2 = samples[100:200]
+    samples1 = samples
 
     op = OpsProcessor(classifier_file='modelos\\pipeline_rf.pkl', imputeDistances = False,
                       regresor_file='modelos\\regresor.pkl', poly_features_file='modelos\\poly_features.pkl')
     
-    op.processOperations(samples[:2])
+    print(op.processOperations(samples[:20]))
     # op.processOperations(samples2)

sarapy/preprocessing/TransformInputData.py

@@ -32,6 +32,7 @@ class TransformInputData(BaseEstimator, TransformerMixin):
                                "VUX1": 81, "VUX2": 82, "VUX3": 83, "VUX4": 84, "VUX5": 85, "VUX6": 86, "VUX7": 87, "VUX8": 88,
                                "VUX9": 89, "VUX10": 90}
         self.dataFloat = ["latitud","longitud","Longitud_N","Latitud_N","Longitud_G","Latitud_G","date_oprc","Date_oprc"]
+        self.dataString = ["timestamp"]
 
     def transform(self, X):
         """
@@ -65,11 +66,13 @@ class TransformInputData(BaseEstimator, TransformerMixin):
         self.data_transformed = []
         dict_structre = {"id_db_h":None, "id_db_dw":None, "ID_NPDP":None,
                          "date_oprc":None, "latitud":None, "longitud":None,
-                         "precision":None, "FR":None}
+                         "precision":None, "FR":None, "timestamp": None}
+        
         ##agrego los keys que están en dataPositions con valores None
         for key in self.data_positions.keys():
             dict_structre[key] = None
 
+        
         for row in X:
             # Crear un diccionario para almacenar los datos transformados
             data_dict = dict_structre.copy()
@@ -103,6 +106,7 @@ class TransformInputData(BaseEstimator, TransformerMixin):
             data_dict["Date_oprc"] = data_dict.get("date_oprc", None)
             data_dict["latitud"] = data_dict.get("Latitud_N", None)
             data_dict["longitud"] = data_dict.get("Longitud_N", None)
+            data_dict["timestamp"] = row.get("timestamp", None)
             # data_dict["FR"] = row.get("tag_fertilizer", None)
             
             # Agregar el diccionario transformado a la lista
@@ -116,6 +120,11 @@ class TransformInputData(BaseEstimator, TransformerMixin):
                         data[key] = float(value) if value else None
                     except ValueError:
                         data[key] = None
+                elif key in self.dataString:
+                    try:
+                        data[key] = str(value) if value else None
+                    except ValueError:
+                        data[key] = None
                 else:
                     try:
                         data[key] = int(value) if value else None
@@ -137,4 +146,4 @@ if __name__ == "__main__":
     data_positions = json.load(open("sarapy/preprocessing/telemetriaDataPosition.json", 'r'))
     transform_input_data = TransformInputData()
     transformed_data = transform_input_data.transform(historical_data)
-    transformed_data[-1]
+    print(transformed_data[-1])

sarapy/preprocessing/TransformToOutputData.py

@@ -10,10 +10,9 @@ class TransformToOutputData(BaseEstimator, TransformerMixin):
             - dataToTransform: array con los datos de las operaciones clasificadas.
             Actualmente el array de dataToTransform es de (n,5) con las columnas siguientes
             
-                - 0: id_db_h
-                - 1: id_db_dw
-                - 2: tag_seedling
-                - 3: tag_fertilizer          
+                - 0: timestamp
+                - 1: tag_seedling
+                - 2: tag_fertilizer           
         Returns:
             Retorna una lista de diccionarios con la siguiente estructura
         """
@@ -33,17 +32,16 @@ class TransformToOutputData(BaseEstimator, TransformerMixin):
             - X: array con los datos de las operaciones clasificadas.
             Actualmente el array de dataToTransform es de (n,5) con las columnas siguientes
             
-                - 0: id_db_h
-                - 1: id_db_dw
-                - 2: tag_seedling
-                - 3: tag_fertilizer      
+                - 0: timestamp
+                - 1: tag_seedling
+                - 2: tag_fertilizer       
         """
         self.is_fitted = True
-        keys = ["id_db_h", "id_db_dw", "tag_seedling", "tag_fertilizer"]        
+        keys = ["timestamp","tag_seedling", "tag_fertilizer"]        
         self.temp_df = pd.DataFrame(X, columns = keys)
-        
-        ##convierto las columnas "id_db_h", "id_db_dw", "tag_seedling" a int
-        for col in ["id_db_h", "id_db_dw", "tag_seedling"]:
+
+        ##convierto las columnas "timestamp", "tag_seedling" a int
+        for col in ["tag_seedling"]:
             self.temp_df[col] = self.temp_df[col].astype(float).astype(int)
         ##convierto la columna "tag_fertilizer" a float de y redondeo a 3 decimales
         self.temp_df["tag_fertilizer"] = self.temp_df["tag_fertilizer"].astype(float).round(3)
@@ -56,10 +54,9 @@ class TransformToOutputData(BaseEstimator, TransformerMixin):
             - X: array con los datos de las operaciones clasificadas.
             Actualmente el array de dataToTransform es de (n,5) con las columnas siguientes
             
-                - 0: id_db_h
-                - 1: id_db_dw
-                - 2: tag_seedling
-                - 3: tag_fertilizer              
+                - 0: timestamp
+                - 1: tag_seedling
+                - 2: tag_fertilizer              
         Returns:
             Retorna una lista de diccionarios donde cada diccionario contiene los datos de una operación para los campos mencionados anteriormente.
         """
@@ -72,10 +69,9 @@ class TransformToOutputData(BaseEstimator, TransformerMixin):
             - X: array con los datos de las operaciones clasificadas.
             Actualmente el array de dataToTransform es de (n,5) con las columnas siguientes
             
-                - 0: id_db_h
-                - 1: id_db_dw
-                - 2: tag_seedling
-                - 3: tag_fertilizer         
+                - 0: timestamp
+                - 1: tag_seedling
+                - 2: tag_fertilizer         
         Returns:
             Retorna una lista de diccionarios donde cada diccionario contiene los datos de una operación para los campos mencionados anteriormente.
         """

sarapy/version.py

@@ -1,2 +1,2 @@
 ## Version of the package   
-__version__ = "2.0.0"
+__version__ = "2.1.1"

{sarapy-2.0.0.dist-info → sarapy-2.1.1.dist-info}/METADATA

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: sarapy
-Version: 2.0.0
+Version: 2.1.1
 Home-page: https://github.com/lucasbaldezzari/sarapy
 Author: Lucas Baldezzari
 Author-email: Lucas Baldezzari <lmbaldezzari@gmail.com>
@@ -19,6 +19,14 @@ Requires-Dist: geopy
 
 Library for processing SARAPICO project metadata of _AMG SA_.
 
+#### Version 2.1.1
+
+- Se corrige error de tiepo en TransformToOutputData.
+
+#### Version 2.1.0
+
+- Se modifica TransformInputdata para poder obtener el timestamp en newSample de OpsProcessor. Se modifica transformOutputData para entregar los datos en base a la solicitud de #43. Se modifica OpsProcessor para poder obtener los datos de salida según solicitud en #43. Close #43.
+
 #### Version 2.0.0
 
 - Se realizan cambios en TransformInputData para que convierta los datos de telemetría a la forma de lista de diccionarios, como un JSON, para que sea más fácil de usar y entender. Además, a futuro, se espera que los datos de la electrónica se puedan enviar en este formato.

{sarapy-2.0.0.dist-info → sarapy-2.1.1.dist-info}/RECORD

@@ -1,7 +1,7 @@
 sarapy/__init__.py,sha256=aVoywqGSscYYDycLaYJnz08dlQabl9gH0h4Q5KtHM9o,74
-sarapy/version.py,sha256=3Nibw-caFOXaxxpR0cMuStXOmzhpTadNBuz6NUKIZOI,51
+sarapy/version.py,sha256=0bCxTC9u3IxGA7LNSJTuzNcRWMsiPIZSJhwyTIMhyHo,51
 sarapy/dataProcessing/GeoProcessor.py,sha256=ARjgKTXDVdf_cFCXyFmzlnmmmay3HG3q-yeJ9QrAcQU,5919
-sarapy/dataProcessing/OpsProcessor.py,sha256=BglX1ZWxsmG6Li9oGzh1CKWtwxYELEBIzmg4B2u6C-o,16558
+sarapy/dataProcessing/OpsProcessor.py,sha256=zu6AJ2wQD84-u-fxxTIqGbdw4NrRRye9gHZO3A8Z724,17269
 sarapy/dataProcessing/TLMSensorDataProcessor.py,sha256=RuITlryuSaIWvYyJwE5wxp85HVZ6mr5kUVALikfwS4g,3603
 sarapy/dataProcessing/TimeSeriesProcessor.py,sha256=aig3A3_SCa9FVSWxGWiapBUX7Lj9Wi1BVyZi-XXZZYQ,6414
 sarapy/dataProcessing/__init__.py,sha256=Kqs5sFtq6RMEa3KLJFbsGRoYsIxHL1UUGMuplyCyQFk,200
@@ -12,8 +12,8 @@ sarapy/mlProcessors/PlantinFMCreator.py,sha256=meK8SH1rUlBOAfC4BPGUgpEIfgr-yXp9S
 sarapy/mlProcessors/__init__.py,sha256=47DEQpj8HBSa-_TImW-5JCeuQeRkm5NMpJWZG3hSuFU,0
 sarapy/preprocessing/DistancesImputer.py,sha256=NvbVAh5m0yFxVgDbEFnEX7RSG13qLjO7i2gqjDAWsf4,9106
 sarapy/preprocessing/FertilizerImputer.py,sha256=zK6ONAilwPHvj-bC7yxnQYOkDBCCkWh6__57vYK9anM,1490
-sarapy/preprocessing/TransformInputData.py,sha256=ETpeBp70G-MovA8R4vEYJ-DjvMNx3nF5_dPY9tBBrpM,8163
-sarapy/preprocessing/TransformToOutputData.py,sha256=3AZWJUMqK52eySnLMJPbLan_sAukOcLhOvQgEqX-x98,3303
+sarapy/preprocessing/TransformInputData.py,sha256=ZQ8k_4JFp78G5VqZEuzYmF8VCDcOxEnHKbd_4w7PPjY,8536
+sarapy/preprocessing/TransformToOutputData.py,sha256=2hSeFkrSt1OO_jiX4SQJtL3Dhm_9xLy7zCgkj8jo9OE,3137
 sarapy/preprocessing/__init__.py,sha256=Wg_Csy8Xiz8BN8A4-T7iPwcL_ol5ApEx6YtybItKB8M,100
 sarapy/stats/__init__.py,sha256=ZrLMSistwynmmx4HUcI-ePRzqQ4bjp85JT4fTmbzC-c,27
 sarapy/stats/stats.py,sha256=raQBnn2RRtwYOuKN4Mgk6Rhk4hajx1TVcGlYnT2TMmA,11412
@@ -22,8 +22,8 @@ sarapy/utils/amg_decoder.py,sha256=JZ7cbu7DlCuatuq2F7aBfUr7S7U-K5poBgxw5nY6rNI,4
 sarapy/utils/amg_ppk.py,sha256=c0GusnxdntU-E0JOezzbIfC7SWoJmKAbad_zYDCJ3-c,1060
 sarapy/utils/getRawOperations.py,sha256=8aA1fIkNCnUYgiWfnFggRT_U35z432gZBrZ7seGO5w4,817
 sarapy/utils/plotting.py,sha256=kX-eYw618urMcUBkNPviQZdBziDc_TR3GInTsO90kU4,4065
-sarapy-2.0.0.dist-info/LICENCE,sha256=N00sU3vSQ6F5c2vML9_qP4IFTkCPFFj0YGDB2CZP-uQ,840
-sarapy-2.0.0.dist-info/METADATA,sha256=ui41pPndbaXIemLINNnNqM-pldrZ3uTcMT9tIqOSSHc,5388
-sarapy-2.0.0.dist-info/WHEEL,sha256=R0nc6qTxuoLk7ShA2_Y-UWkN8ZdfDBG2B6Eqpz2WXbs,91
-sarapy-2.0.0.dist-info/top_level.txt,sha256=4mUGZXfX2Fw47fpY6MQkaJeuOs_8tbjLkkNp34DJWiA,7
-sarapy-2.0.0.dist-info/RECORD,,
+sarapy-2.1.1.dist-info/LICENCE,sha256=N00sU3vSQ6F5c2vML9_qP4IFTkCPFFj0YGDB2CZP-uQ,840
+sarapy-2.1.1.dist-info/METADATA,sha256=UcFPPUm74NIuKz8H9mgVCl1tP-H2uxto_84GQiPsfnk,5774
+sarapy-2.1.1.dist-info/WHEEL,sha256=R0nc6qTxuoLk7ShA2_Y-UWkN8ZdfDBG2B6Eqpz2WXbs,91
+sarapy-2.1.1.dist-info/top_level.txt,sha256=4mUGZXfX2Fw47fpY6MQkaJeuOs_8tbjLkkNp34DJWiA,7
+sarapy-2.1.1.dist-info/RECORD,,