-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathload_pob.py
179 lines (158 loc) · 6.93 KB
/
load_pob.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
import multiprocessing as mp
import os
import time
import math
import numpy as np
import pandas as pd
def procesa_totales(diccionario):
for key, value in diccionario.items():
if type(value) == str:
try:
diccionario[key] = int(value)
except:
diccionario[key] = None
elif math.isnan(value):
diccionario[key] = None
return diccionario
def obtener_poblacion(carpeta):
estados = []
for subdir, dirs, files in os.walk(carpeta):
for file in files:
if file.endswith('.xls'):
archivo = os.path.join(carpeta, file)
estados.append(archivo)
return estados
def cargar_poblacion(archivo):
start_time = time.time()
import django
django.setup()
from humanitaria.models import Entidad
dfs = pd.read_excel(archivo,
dtype={
'ENTIDAD': str,
'MUN': str,
'LOC': str,
'AGEB': str,
'MZA': str
},
sheet_name=None)
# Combina todos las hojas del excel en un solo dataframe
df = pd.DataFrame()
for _, sheet in dfs.items():
df = df.append(sheet)
columnas = list(df.columns)[8:]
df = df.replace('*', np.nan)
entidad = Entidad.objects.filter(cve_ent=df['ENTIDAD'].iloc[0])
df_entidad_totales = df[df['NOM_LOC'].str.contains('total de la '
'entidad',
regex=False,
case=False,
na=False)]
totales_entidad = df_entidad_totales[columnas].to_dict(
'records')
entidad.update(**procesa_totales(totales_entidad[0]))
df_municipio_totales = df[df['NOM_LOC'].str.contains('total del '
'municipio',
regex=False,
case=False,
na=False)]
for i, row in df_municipio_totales.iterrows():
entidad = Entidad.objects.get(cve_ent=df['ENTIDAD'].iloc[0])
municipio = entidad.municipio_set.filter(cve_mun=str(row[
'MUN'])
)
totales_municipio = row[columnas].to_dict()
municipio.update(**procesa_totales(totales_municipio))
df_localidades_totales = df[df['NOM_LOC'].str.contains('total de '
'la '
'localidad '
'urbana',
regex=False,
case=False,
na=False)]
for i, row in df_localidades_totales.iterrows():
entidad = Entidad.objects.get(cve_ent=df['ENTIDAD'].iloc[0])
municipio = entidad.municipio_set.get(cve_mun=str(row['MUN']))
localidad = municipio.localidad_set.filter(cve_loc=str(row[
'LOC'])
)
totales_localidad = row[columnas].to_dict()
localidad.update(**procesa_totales(totales_localidad))
df_agebu_totales = df[df['NOM_LOC'].str.contains('total ageb '
'urbana',
regex=False,
case=False,
na=False)]
for i, row in df_agebu_totales.iterrows():
entidad = Entidad.objects.get(cve_ent=df['ENTIDAD'].iloc[0])
municipio = entidad.municipio_set.get(cve_mun=str(row['MUN']))
# No existe San Jose Vieno en BJS 2047
try:
localidad = municipio.localidad_set.get(cve_loc=str(
row['LOC']))
agebu = localidad.agebu_set.filter(cve_ageb=str(
row['AGEB']))
totales_agebu = row[columnas].to_dict()
agebu.update(**procesa_totales(totales_agebu))
except:
pass
df_manzanas_totales = df[~df['NOM_LOC'].str.contains('total',
regex=False,
case=False,
na=False)]
for i, row in df_manzanas_totales.iterrows():
entidad = Entidad.objects.get(cve_ent=df['ENTIDAD'].iloc[0])
municipio = entidad.municipio_set.get(cve_mun=str(row['MUN']))
try:
localidad = municipio.localidad_set.get(cve_loc=str(
row['LOC']))
# En aguascalientes no hay ageb 1301 para mun 01 loc 001
try:
ageb = localidad.agebu_set.get(cve_ageb=str(
row['AGEB']))
except:
try:
ageb = municipio.agebr_set.get(cve_ageb=str(
row['AGEB']))
except:
pass
manzana = ageb.manzana_set.filter(cve_mza=str(row['MZA']))
totales_manzana = row[columnas].to_dict()
manzana.update(**procesa_totales(totales_manzana))
except:
pass
final = time.time() - start_time
return archivo, final
def paralelo_carga_poblacion(carpeta):
start_time = time.time()
print(f"Inicio : {time.ctime()}\n")
n = mp.cpu_count()
print(f"Número de procesadores: {n}\n")
pool = mp.Pool(n)
poblacion = obtener_poblacion(carpeta)
results = [pool.apply_async(cargar_poblacion, args=(i,)) for i in
poblacion]
pool.close()
for ele in results:
s = ele.get()
print(f'Archivo: {s[0]}\nFinalizado en: {s[1]} segundos\n')
print(f"Final: {time.ctime()}\n")
final = time.time() - start_time
print(f'Procesamiento en paralelo terminado en: {final} segundos')
def secuencial_carga_poblacion(carpeta):
start_time = time.time()
print(f"Inicio : {time.ctime()}\n")
poblacion = obtener_poblacion(carpeta)
results = [cargar_poblacion(i) for i in poblacion]
print(f"Final: {time.ctime()}\n")
print(results)
final = time.time() - start_time
print(f'Procesamiento secuencial terminado en: {final} segundos')
def carga_poblacion(carpeta, paralelo=True):
if paralelo:
paralelo_carga_poblacion(carpeta)
else:
secuencial_carga_poblacion(carpeta)
if __name__ == "__main__":
folder = 'data/poblacionales'
carga_poblacion(folder)