Feat: add history_stagging
This commit is contained in:
parent
3916915e22
commit
f56edac92c
4
requirements.txt
Normal file
4
requirements.txt
Normal file
@ -0,0 +1,4 @@
|
|||||||
|
jupyter==1.0.0
|
||||||
|
pandas==1.5.0
|
||||||
|
pdf-oralia==0.3.11
|
||||||
|
pydantic==2.6.1
|
206
scripts/history_stagging.py
Normal file
206
scripts/history_stagging.py
Normal file
@ -0,0 +1,206 @@
|
|||||||
|
import logging
|
||||||
|
from collections.abc import Callable
|
||||||
|
from pathlib import Path
|
||||||
|
|
||||||
|
import pandas as pd
|
||||||
|
from pydantic import BaseModel
|
||||||
|
|
||||||
|
logger = logging.getLogger(__name__)
|
||||||
|
logger.setLevel(logging.DEBUG)
|
||||||
|
|
||||||
|
|
||||||
|
class Source(BaseModel):
|
||||||
|
filename: str
|
||||||
|
sheet_name: str = ""
|
||||||
|
|
||||||
|
|
||||||
|
class Flux(BaseModel):
|
||||||
|
sources: list[Source]
|
||||||
|
transformation: Callable
|
||||||
|
extra_kwrds: dict = {}
|
||||||
|
|
||||||
|
|
||||||
|
def to_csv(df, dest_basename):
|
||||||
|
dest = dest_basename.parent / (dest_basename.name + ".csv")
|
||||||
|
if dest.exists():
|
||||||
|
df.to_csv(dest, mode="a", header=False, index=False)
|
||||||
|
else:
|
||||||
|
df.to_csv(dest, index=False)
|
||||||
|
return dest
|
||||||
|
|
||||||
|
|
||||||
|
def write_split_by(
|
||||||
|
df: pd.DataFrame, column: str, dest_path: Path, writing_func
|
||||||
|
) -> list[Path]:
|
||||||
|
wrote_files = []
|
||||||
|
|
||||||
|
for col_value in df[column].unique():
|
||||||
|
filtered_df = df[df[column] == col_value]
|
||||||
|
|
||||||
|
dest_basename = dest_path / f"{col_value}"
|
||||||
|
dest = writing_func(filtered_df, dest_basename)
|
||||||
|
wrote_files.append(dest)
|
||||||
|
|
||||||
|
return wrote_files
|
||||||
|
|
||||||
|
|
||||||
|
def extract_sources(sources: list[Source], base_path: Path = Path()):
|
||||||
|
for src in sources:
|
||||||
|
filepath = base_path / src.filename
|
||||||
|
assert filepath.exists
|
||||||
|
yield src.filename, pd.read_excel(filepath, sheet_name=src.sheet_name)
|
||||||
|
|
||||||
|
|
||||||
|
def split_duplicates(
|
||||||
|
df, origin: str, duplicated: dict[str, pd.DataFrame]
|
||||||
|
) -> [pd.DataFrame, dict[str, pd.DataFrame]]:
|
||||||
|
duplicates = df.duplicated()
|
||||||
|
no_duplicates = df[~duplicates]
|
||||||
|
duplicated[origin] = df[duplicates]
|
||||||
|
return no_duplicates, duplicated
|
||||||
|
|
||||||
|
|
||||||
|
def crg(history_path: Path, staging_path: Path, metadatas: dict, writing_func=to_csv):
|
||||||
|
duplicated = {}
|
||||||
|
wrote_files = []
|
||||||
|
|
||||||
|
for name, metadata in metadatas.items():
|
||||||
|
logger.debug(f"Processing {name}")
|
||||||
|
src_df = []
|
||||||
|
for filename, df in extract_sources(metadata.sources, history_path):
|
||||||
|
df, duplicated = split_duplicates(df, str(filename), duplicated)
|
||||||
|
src_df.append(df)
|
||||||
|
|
||||||
|
df = metadata.transformation(src_df, **metadata.extra_kwrds)
|
||||||
|
|
||||||
|
files = write_split_by(df, "Année", staging_path, writing_func)
|
||||||
|
wrote_files += files
|
||||||
|
return wrote_files
|
||||||
|
|
||||||
|
|
||||||
|
def trans_2017_2021(dfs, **kwrds):
|
||||||
|
df, cat = dfs
|
||||||
|
cat_drop = list(cat[cat["Nouvelles"] == "NE PAS IMPORTER"]["Anciennes"])
|
||||||
|
cat_trans = cat[cat["Nouvelles"] != "NE PAS IMPORTER"]
|
||||||
|
|
||||||
|
trans = {}
|
||||||
|
for _, (old, new) in cat_trans.iterrows():
|
||||||
|
trans[old] = new
|
||||||
|
|
||||||
|
df = df[~df["Categorie"].isin(cat_drop)]
|
||||||
|
|
||||||
|
df = df.assign(
|
||||||
|
Immeuble=df["immeuble"],
|
||||||
|
Porte=df["porte"],
|
||||||
|
Débit=df["Débit"].fillna(0),
|
||||||
|
Crédit=df["Crédit"].fillna(0),
|
||||||
|
Lot=df["immeuble"].astype(str) + df["porte"].astype("str").str.zfill(2),
|
||||||
|
Année=df["Date"].astype(str).str.slice(0, 4),
|
||||||
|
Mois=df["Date"].astype(str).str.slice(5, 7),
|
||||||
|
Catégorie=df["Categorie"].replace(trans),
|
||||||
|
Fournisseur="",
|
||||||
|
)
|
||||||
|
|
||||||
|
return df
|
||||||
|
|
||||||
|
|
||||||
|
def trans_2022_charge(dfs, **kwrds):
|
||||||
|
df = dfs[0]
|
||||||
|
df = df.assign(
|
||||||
|
Immeuble=df["immeuble"],
|
||||||
|
Porte=df["lot"],
|
||||||
|
Débit=df["Débits"].fillna(0),
|
||||||
|
Crédit=df["Crédits"].fillna(0),
|
||||||
|
Lot=df["immeuble"].astype(str)[0] + df["lot"].astype("str").str.zfill(2),
|
||||||
|
Année=df["annee"],
|
||||||
|
Mois=df["mois"],
|
||||||
|
Catégorie=df["Catégorie Charge"],
|
||||||
|
# Catégorie=df["Catégorie Charge"].replace(trans),
|
||||||
|
Fournisseur="",
|
||||||
|
Régie="Oralia - Gelas",
|
||||||
|
Libellé="",
|
||||||
|
)
|
||||||
|
return df
|
||||||
|
|
||||||
|
|
||||||
|
def trans_2022_loc(dfs, **kwrds):
|
||||||
|
df = dfs[0]
|
||||||
|
df = df.assign(
|
||||||
|
Immeuble=df["immeuble"],
|
||||||
|
Porte=df["lot"],
|
||||||
|
Débit=0,
|
||||||
|
Crédit=df["Réglés"].fillna(0),
|
||||||
|
Lot=df["immeuble"].astype(str)[0] + df["lot"].astype("str").str.zfill(2),
|
||||||
|
Année=df["annee"],
|
||||||
|
Mois=df["mois"],
|
||||||
|
Catégorie="Loyer Charge",
|
||||||
|
Fournisseur="",
|
||||||
|
Régie="Oralia - Gelas",
|
||||||
|
Libellé="",
|
||||||
|
)
|
||||||
|
return df
|
||||||
|
|
||||||
|
|
||||||
|
def trans_2023(dfs, year, **kwrds):
|
||||||
|
df = dfs[0]
|
||||||
|
df = df.assign(
|
||||||
|
Débit=df["Débit"].fillna(0),
|
||||||
|
Crédit=df["Crédit"].fillna(0),
|
||||||
|
Lot=df["Immeuble"].astype(str) + df["Porte"].astype("str").str.zfill(2),
|
||||||
|
Année=year,
|
||||||
|
)
|
||||||
|
return df
|
||||||
|
|
||||||
|
|
||||||
|
METADATAS = {
|
||||||
|
"2017 2021 - charge et locataire.xlsx": Flux(
|
||||||
|
sources=[
|
||||||
|
Source(
|
||||||
|
filename="2017 2021 - charge et locataire.xlsx", sheet_name="DB CRG"
|
||||||
|
),
|
||||||
|
Source(
|
||||||
|
filename="2017 2021 - charge et locataire.xlsx",
|
||||||
|
sheet_name="Catégories",
|
||||||
|
),
|
||||||
|
],
|
||||||
|
transformation=trans_2017_2021,
|
||||||
|
),
|
||||||
|
"2022 - charge.xlsx": Flux(
|
||||||
|
sources=[
|
||||||
|
Source(filename="2022 - charge.xlsx", sheet_name="Sheet1"),
|
||||||
|
],
|
||||||
|
transformation=trans_2022_charge,
|
||||||
|
),
|
||||||
|
"2022 - locataire.xlsx": Flux(
|
||||||
|
sources=[
|
||||||
|
Source(filename="2022 - locataire.xlsx", sheet_name="Sheet1"),
|
||||||
|
],
|
||||||
|
transformation=trans_2022_loc,
|
||||||
|
),
|
||||||
|
"2023 - charge et locataire.xlsx": Flux(
|
||||||
|
sources=[
|
||||||
|
Source(
|
||||||
|
filename="2023 - charge et locataire.xlsx",
|
||||||
|
sheet_name="DB CRG 2023 ...",
|
||||||
|
),
|
||||||
|
],
|
||||||
|
transformation=trans_2023,
|
||||||
|
extra_kwrds={"year": 2023},
|
||||||
|
),
|
||||||
|
}
|
||||||
|
|
||||||
|
if __name__ == "__main__":
|
||||||
|
data_path = Path("datas/")
|
||||||
|
assert data_path.exists()
|
||||||
|
history_path = data_path / "Histoire"
|
||||||
|
assert history_path.exists()
|
||||||
|
history_crg_path = history_path / "CRG"
|
||||||
|
assert history_crg_path.exists()
|
||||||
|
|
||||||
|
staging_path = data_path / "staging"
|
||||||
|
assert staging_path.exists()
|
||||||
|
staging_crg_path = staging_path / "CRG"
|
||||||
|
assert staging_crg_path.exists()
|
||||||
|
|
||||||
|
crg_files = crg(history_crg_path, staging_crg_path, METADATAS)
|
||||||
|
print(crg_files)
|
Loading…
Reference in New Issue
Block a user