diff --git a/configs/configuraciones_generales_2019_m1.yaml b/configs/configuraciones_generales_2019_m1.yaml
index c87cf83..73162a1 100644
--- a/configs/configuraciones_generales_2019_m1.yaml
+++ b/configs/configuraciones_generales_2019_m1.yaml
@@ -94,19 +94,9 @@ filtro_latlong_bbox:
# Zonificaciones
zonificaciones:
- geo1: "coronas.geojson"
- var1: "Corona"
+ geo1: "partidos.geojson"
+ var1: "Partido"
orden1: [
- "CABA",
- "Primer cordón",
- "Segundo cordón",
- "Tercer cordón",
- "RMBA",
- ]
-
- geo2: "partidos.geojson"
- var2: "Partido"
- orden2: [
"Comuna 1",
"Comuna 2",
"Comuna 3",
@@ -172,9 +162,9 @@ zonificaciones:
"Zárate",
]
- geo3: "partidos.geojson"
- var3: "Zona"
- orden3: [
+ geo2: "partidos.geojson"
+ var2: "Zona"
+ orden2: [
"CABA",
"Sur",
"Oeste",
@@ -190,7 +180,7 @@ zonificaciones:
var5:
orden5:
-poligonos: # Especificar una capa geográfica de polígonos en formato .geojson. El archivo requiere las siguientes columnas: ['id', 'tipo', 'geometry']. 'id' es el id o nombre del polígono, tipo puede ser 'poligono' o 'cuenca'.
+poligonos: "poligonos.geojson" # Especificar una capa geográfica de polígonos en formato .geojson. El archivo requiere las siguientes columnas: ['id', 'tipo', 'geometry']. 'id' es el id o nombre del polígono, tipo puede ser 'poligono' o 'cuenca'.
tiempos_viaje_estaciones: # Especificar una tabla de tiempo de viaje en minutos entre estaciones para modos sin gps
diff --git a/urbantrips/dashboard/dash_utils.py b/urbantrips/dashboard/dash_utils.py
index 300e23f..7c9b7c5 100644
--- a/urbantrips/dashboard/dash_utils.py
+++ b/urbantrips/dashboard/dash_utils.py
@@ -30,7 +30,7 @@ def leer_configs_generales():
return config
-def leer_alias(tipo='data'):
+def leer_alias(tipo='dash'):
"""
Esta funcion toma un tipo de datos (data o insumos)
y devuelve el alias seteado en el archivo de congifuracion
@@ -53,7 +53,7 @@ def leer_alias(tipo='data'):
return alias
-def traigo_db_path(tipo='data'):
+def traigo_db_path(tipo='dash'):
"""
Esta funcion toma un tipo de datos (data o insumos)
y devuelve el path a una base de datos con esa informacion
@@ -62,12 +62,13 @@ def traigo_db_path(tipo='data'):
raise ValueError('tipo invalido: %s' % tipo)
alias = leer_alias(tipo)
+
db_path = os.path.join("data", "db", f"{alias}{tipo}.sqlite")
return db_path
-def iniciar_conexion_db(tipo='data'):
+def iniciar_conexion_db(tipo='dash'):
""""
Esta funcion toma un tipo de datos (data o insumos)
y devuelve una conexion sqlite a la db
@@ -76,6 +77,7 @@ def iniciar_conexion_db(tipo='data'):
assert os.path.isfile(
db_path), f'No existe la base de datos para el dashboard en {db_path}'
conn = sqlite3.connect(db_path, timeout=10)
+
return conn
# Calculate weighted mean, handling division by zero or empty inputs
@@ -597,4 +599,29 @@ def bring_latlon():
latlon = [lat, lon]
except:
latlon = [-34.593, -58.451]
- return latlon
\ No newline at end of file
+ return latlon
+
+@st.cache_data
+def traigo_zonas_values(tipo = 'etapas'):
+
+ if tipo == 'etapas':
+ table = 'agg_etapas'
+ else:
+ table = 'poly_etapas'
+
+
+ query = f"""
+ SELECT DISTINCT zona, inicio_norm FROM {table}
+ UNION
+ SELECT DISTINCT zona, transfer1_norm FROM {table}
+ UNION
+ SELECT DISTINCT zona, transfer2_norm FROM {table}
+ UNION
+ SELECT DISTINCT zona, fin_norm FROM {table};
+ """
+ zonas_values = etapas=levanto_tabla_sql(table, 'dash', query)
+ zonas_values = zonas_values[(zonas_values.inicio_norm!='')&
+ (zonas_values.inicio_norm.notna())&
+ (zonas_values.inicio_norm!=' (cuenca)')].sort_values(['zona', 'inicio_norm']).rename(columns={'inicio_norm':'Nombre'})
+
+ return zonas_values
\ No newline at end of file
diff --git "a/urbantrips/dashboard/pages/3_L\303\255neas de Deseo.py" "b/urbantrips/dashboard/pages/3_L\303\255neas de Deseo.py"
index bf57c32..8d1bc33 100644
--- "a/urbantrips/dashboard/pages/3_L\303\255neas de Deseo.py"
+++ "b/urbantrips/dashboard/pages/3_L\303\255neas de Deseo.py"
@@ -1,5 +1,6 @@
import streamlit as st
import pandas as pd
+import numpy as np
import geopandas as gpd
import folium
from streamlit_folium import st_folium, folium_static
@@ -12,7 +13,7 @@
create_data_folium, traigo_indicadores,
extract_hex_colors_from_cmap,
iniciar_conexion_db, normalize_vars,
- bring_latlon
+ bring_latlon, traigo_zonas_values
)
def crear_mapa_lineas_deseo(df_viajes,
@@ -265,27 +266,51 @@ def levanto_tabla_sql_local(tabla_sql, tabla_tipo="dash", query=''):
return tabla
def traigo_socio_indicadores(socio_indicadores):
-
- df = socio_indicadores[socio_indicadores.tabla=='viajes-genero-tarifa'].copy()
- totals = pd.crosstab(values=df.factor_expansion_linea, columns=df.Genero, index=df.Tarifa, aggfunc='sum', margins=True, margins_name='Total', normalize=False).fillna(0).round().astype(int).apply(lambda col: col.map(lambda x: f'{x:,.0f}'.replace(',', '.')))
- totals_porc = (pd.crosstab(values=df.factor_expansion_linea, columns=df.Genero, index=df.Tarifa, aggfunc='sum', margins=True, margins_name='Total', normalize=True) * 100).round(2)
-
- modos = socio_indicadores[socio_indicadores.tabla=='etapas-genero-modo'].copy()
- modos_genero_abs = pd.crosstab(values=modos.factor_expansion_linea, index=[modos.Genero], columns=modos.Modo, aggfunc='sum', normalize=False, margins=True, margins_name='Total').fillna(0).astype(int).apply(lambda col: col.map(lambda x: f'{x:,.0f}'.replace(',', '.')))
- modos_genero_porc = (pd.crosstab(values=modos.factor_expansion_linea, index=modos.Genero, columns=modos.Modo, aggfunc='sum', normalize=True, margins=True, margins_name='Total') * 100).round(2)
+ totals = None
+ totals_porc = 0
+ avg_distances = 0
+ avg_times = 0
+ avg_velocity = 0
+ modos_genero_abs = 0
+ modos_genero_porc = 0
+ modos_tarifa_abs = 0
+ modos_tarifa_porc = 0
+ avg_viajes = 0
+ avg_etapas = 0
+ avg_tiempo_entre_viajes = 0
+
+ if len(socio_indicadores) > 0:
+
+ df = socio_indicadores[socio_indicadores.tabla=='viajes-genero-tarifa'].copy()
+ totals = pd.crosstab(values=df.factor_expansion_linea, columns=df.Genero, index=df.Tarifa, aggfunc='sum', margins=True, margins_name='Total', normalize=False).fillna(0).round().astype(int).apply(lambda col: col.map(lambda x: f'{x:,.0f}'.replace(',', '.')))
+ totals_porc = (pd.crosstab(values=df.factor_expansion_linea, columns=df.Genero, index=df.Tarifa, aggfunc='sum', margins=True, margins_name='Total', normalize=True) * 100).round(2)
+
+ modos = socio_indicadores[socio_indicadores.tabla=='etapas-genero-modo'].copy()
+ modos_genero_abs = pd.crosstab(values=modos.factor_expansion_linea, index=[modos.Genero], columns=modos.Modo, aggfunc='sum', normalize=False, margins=True, margins_name='Total').fillna(0).astype(int).apply(lambda col: col.map(lambda x: f'{x:,.0f}'.replace(',', '.')))
+ modos_genero_porc = (pd.crosstab(values=modos.factor_expansion_linea, index=modos.Genero, columns=modos.Modo, aggfunc='sum', normalize=True, margins=True, margins_name='Total') * 100).round(2)
+
+ modos = socio_indicadores[socio_indicadores.tabla=='etapas-tarifa-modo'].copy()
+ modos_tarifa_abs = pd.crosstab(values=modos.factor_expansion_linea, index=[modos.Tarifa], columns=modos.Modo, aggfunc='sum', normalize=False, margins=True, margins_name='Total').fillna(0).astype(int).apply(lambda col: col.map(lambda x: f'{x:,.0f}'.replace(',', '.')))
+ modos_tarifa_porc = (pd.crosstab(values=modos.factor_expansion_linea, index=modos.Tarifa, columns=modos.Modo, aggfunc='sum', normalize=True, margins=True, margins_name='Total') * 100).round(2)
+
+ avg_distances = pd.crosstab(values=df.Distancia, columns=df.Genero, index=df.Tarifa, margins=True, margins_name='Total',aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).fillna(0).round(2)
+ avg_times = pd.crosstab(values=df['Tiempo de viaje'], columns=df.Genero, index=df.Tarifa, margins=True, margins_name='Total',aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).fillna(0).round(2)
+ avg_velocity = pd.crosstab(values=df['Velocidad'], columns=df.Genero, index=df.Tarifa, margins=True, margins_name='Total',aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).fillna(0).round(2)
+ avg_etapas = pd.crosstab(values=df['Etapas promedio'], columns=df.Genero, index=df.Tarifa, margins=True, margins_name='Total',aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).round(2).fillna('')
+ user = socio_indicadores[socio_indicadores.tabla=='usuario-genero-tarifa'].copy()
+ avg_viajes = pd.crosstab(values=user['Viajes promedio'],
+ index=[user.Tarifa],
+ columns=user.Genero,
+ margins=True,
+ margins_name='Total',
+ aggfunc=lambda x: (x * user.loc[x.index, 'factor_expansion_linea']).sum() / user.loc[x.index, 'factor_expansion_linea'].sum(),).round(2).fillna('')
- modos = socio_indicadores[socio_indicadores.tabla=='etapas-tarifa-modo'].copy()
- modos_tarifa_abs = pd.crosstab(values=modos.factor_expansion_linea, index=[modos.Tarifa], columns=modos.Modo, aggfunc='sum', normalize=False, margins=True, margins_name='Total').fillna(0).astype(int).apply(lambda col: col.map(lambda x: f'{x:,.0f}'.replace(',', '.')))
- modos_tarifa_porc = (pd.crosstab(values=modos.factor_expansion_linea, index=modos.Tarifa, columns=modos.Modo, aggfunc='sum', normalize=True, margins=True, margins_name='Total') * 100).round(2)
-
- avg_distances = pd.crosstab(values=df.Distancia, columns=df.Genero, index=df.Tarifa, margins=True, margins_name='Total',aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).fillna(0).round(2)
- avg_times = pd.crosstab(values=df['Tiempo de viaje'], columns=df.Genero, index=df.Tarifa, margins=True, margins_name='Total',aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).fillna(0).round(2)
- avg_velocity = pd.crosstab(values=df['Velocidad'], columns=df.Genero, index=df.Tarifa, margins=True, margins_name='Total',aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).fillna(0).round(2)
- avg_etapas = pd.crosstab(values=df['Etapas promedio'], columns=df.Genero, index=df.Tarifa, margins=True, margins_name='Total',aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).round(2).fillna('')
- user = socio_indicadores[socio_indicadores.tabla=='usuario-genero-tarifa'].copy()
- avg_viajes = pd.crosstab(values=user['Viajes promedio'], index=[user.Tarifa], columns=user.Genero, margins=True, margins_name='Total', aggfunc=lambda x: (x * user.loc[x.index, 'factor_expansion_linea']).sum() / user.loc[x.index, 'factor_expansion_linea'].sum(),).round(2).fillna('')
-
- avg_tiempo_entre_viajes = pd.crosstab(values=df['Tiempo entre viajes'], columns=df.Genero, index=df.Tarifa, margins=True, margins_name='Total',aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).fillna(0).round(2)
+ avg_tiempo_entre_viajes = pd.crosstab(values=df['Tiempo entre viajes'],
+ columns=df.Genero,
+ index=df.Tarifa,
+ margins=True,
+ margins_name='Total',
+ aggfunc=lambda x: (x * df.loc[x.index, 'factor_expansion_linea']).sum() / df.loc[x.index, 'factor_expansion_linea'].sum(), ).fillna(0).round(2)
return totals, totals_porc, avg_distances, avg_times, avg_velocity, modos_genero_abs, modos_genero_porc, modos_tarifa_abs, modos_tarifa_porc, avg_viajes, avg_etapas, avg_tiempo_entre_viajes
@@ -315,20 +340,18 @@ def hay_cambios_en_filtros(current, last):
st.session_state[var] = ''
etapas_lst_ = levanto_tabla_sql('agg_etapas', 'dash', 'SELECT DISTINCT mes FROM agg_etapas;')
-
-
- # st.session_state.etapas = traigo()
-
+
if len(etapas_lst_) > 0:
zonificaciones = levanto_tabla_sql('zonificaciones')
socio_indicadores = levanto_tabla_sql('socio_indicadores')
desc_tipo_dia_ = levanto_tabla_sql('agg_etapas', 'dash', 'SELECT DISTINCT tipo_dia FROM agg_etapas;')
- desc_zona_ = levanto_tabla_sql('agg_etapas', 'dash', 'SELECT DISTINCT zona FROM agg_etapas;')
+ desc_zona_ = levanto_tabla_sql('agg_etapas', 'dash', 'SELECT DISTINCT zona FROM agg_etapas;').sort_values('zona')
modos_list_all_ = levanto_tabla_sql('agg_etapas', 'dash', 'SELECT DISTINCT modo_agregado FROM agg_etapas;')
rango_hora_all_ = levanto_tabla_sql('agg_etapas', 'dash', 'SELECT DISTINCT rango_hora FROM agg_etapas;')
distancia_all_ = levanto_tabla_sql('agg_etapas', 'dash', 'SELECT DISTINCT distancia FROM agg_etapas;')
-
+ zonas_values = traigo_zonas_values('etapas')
+
# st.session_state.etapas_all = st.session_state.etapas_all[st.session_state.etapas_all.factor_expansion_linea > 0].copy()
general, modal, distancias = traigo_indicadores('all')
@@ -342,7 +365,8 @@ def hay_cambios_en_filtros(current, last):
'transferencia': 'Todos',
'modo_agregado': 'Todos',
'rango_hora': 'Todos',
- 'distancia': 'Todas'
+ 'distancia': 'Todas',
+ 'desc_zonas_values':'Todos'
}
if 'data_cargada' not in st.session_state:
@@ -362,7 +386,6 @@ def hay_cambios_en_filtros(current, last):
modos_list = col1.selectbox('Modos', options=[text for text in modos_list_all])
rango_hora_all = ['Todos'] + rango_hora_all_[rango_hora_all_.rango_hora != '99'].rango_hora.unique().tolist()
- # rango_hora = col1.selectbox('Rango hora', options=[text.capitalize() for text in rango_hora_all])
rango_hora = col1.selectbox('Rango hora', options=[text for text in rango_hora_all])
distancia_all = ['Todas'] + distancia_all_[distancia_all_.distancia != '99'].distancia.unique().tolist()
@@ -379,6 +402,10 @@ def hay_cambios_en_filtros(current, last):
desc_viajes = False
desc_etapas = False
+ zonas_values_all = ['Todos'] + zonas_values[zonas_values.zona == desc_zona].Nombre.unique().tolist()
+ desc_zonas_values = col1.selectbox('Filtro', options=zonas_values_all)
+
+
desc_origenes = col1.checkbox(
':blue[Origenes]', value=False)
@@ -394,6 +421,8 @@ def hay_cambios_en_filtros(current, last):
zonif = zonificaciones[zonificaciones.zona == desc_zona]
else:
zonif = ''
+
+ mtabla = col2.checkbox('Mostrar tabla', value=False)
# Construye el diccionario de filtros actual
current_filters = {
@@ -404,6 +433,7 @@ def hay_cambios_en_filtros(current, last):
'modo_agregado': None if modos_list == 'Todos' else modos_list,
'rango_hora': None if rango_hora == 'Todos' else rango_hora,
'distancia': None if distancia == 'Todas' else distancia,
+ 'desc_zonas_values': None if desc_zonas_values == 'Todos' else desc_zonas_values,
}
current_options = { 'desc_etapas': desc_etapas,
@@ -412,7 +442,8 @@ def hay_cambios_en_filtros(current, last):
'desc_destinos': desc_destinos,
'desc_et_vi': desc_et_vi,
'desc_transferencias': desc_transferencias,
- 'desc_zonif': desc_zonif, }
+ 'desc_zonif': desc_zonif,
+ 'mtabla': mtabla}
@@ -420,14 +451,20 @@ def hay_cambios_en_filtros(current, last):
if hay_cambios_en_filtros(current_filters, st.session_state.last_filters):
query = ""
- conditions = " AND ".join(f"{key} = '{value}'" for key, value in current_filters.items() if value is not None)
+ conditions = " AND ".join(f"{key} = '{value}'" for key, value in current_filters.items() if (value is not None)&(key != 'desc_zonas_values'))
if conditions:
query += f" WHERE {conditions}"
- st.session_state.matrices_ = levanto_tabla_sql_local('agg_matrices', tabla_tipo='dash', query=f"SELECT * FROM agg_matrices{query}")
- st.session_state.etapas_ = levanto_tabla_sql_local('agg_etapas', tabla_tipo='dash', query=f"SELECT * FROM agg_etapas{query}")
-
+ conditions_etapas = ''
+ conditions_matrices = ''
+ if desc_zonas_values != 'Todos':
+ conditions_etapas = f" AND (inicio_norm = '{desc_zonas_values}' OR transfer1_norm = '{desc_zonas_values}' OR transfer2_norm = '{desc_zonas_values}' OR fin_norm = '{desc_zonas_values}')"
+ conditions_matrices = f" AND (inicio = '{desc_zonas_values}' OR fin = '{desc_zonas_values}')"
+ query_etapas = query + conditions_etapas
+ query_matrices = query + conditions_matrices
+ st.session_state.etapas_ = levanto_tabla_sql_local('agg_etapas', tabla_tipo='dash', query=f"SELECT * FROM agg_etapas{query_etapas}")
+ st.session_state.matrices_ = levanto_tabla_sql_local('agg_matrices', tabla_tipo='dash', query=f"SELECT * FROM agg_matrices{query_matrices}")
if len(st.session_state.matrices_)==0:
col2.write('No hay datos para mostrar')
@@ -587,6 +624,9 @@ def hay_cambios_en_filtros(current, last):
with col2:
folium_static(st.session_state.map, width=1000, height=800)
# output = st_folium(st.session_state.map, width=1000, height=800, key='m', returned_objects=["center"])
+ if mtabla:
+ col2.dataframe(st.session_state.etapas_[['inicio_norm', 'transfer1_norm', 'transfer2_norm', 'fin_norm', 'factor_expansion_linea']]) #
+
else:
col2.text("No hay datos suficientes para mostrar el mapa.")
else:
@@ -660,37 +700,41 @@ def hay_cambios_en_filtros(current, last):
col1, col2, col3, col4 = st.columns([1, 2, 2, 2])
totals, totals_porc, avg_distances, avg_times, avg_velocity, modos_genero_abs, modos_genero_porc, modos_tarifa_abs, modos_tarifa_porc, avg_viajes, avg_etapas, avg_tiempo_entre_viajes = traigo_socio_indicadores(st.session_state.socio_indicadores_)
- col2.markdown("Total de viajes por género y tarifa
", unsafe_allow_html=True)
- col2.table(totals)
- col3.markdown("Porcentaje de viajes por género y tarifa
", unsafe_allow_html=True)
- col3.table(totals_porc.round(2).astype(str))
-
- col2.markdown("Cantidad promedio de viajes por género y tarifa
", unsafe_allow_html=True)
- col2.table(avg_viajes.round(2).astype(str))
- col3.markdown("Cantidad promedio de etapas por género y tarifa
", unsafe_allow_html=True)
- col3.table(avg_etapas.round(2).astype(str))
+ if totals is not None:
+ col2.markdown("Total de viajes por género y tarifa
", unsafe_allow_html=True)
+ col2.table(totals)
+ col3.markdown("Porcentaje de viajes por género y tarifa
", unsafe_allow_html=True)
+ col3.table(totals_porc.round(2).astype(str))
- col2.markdown("Total de etapas por género y modo
", unsafe_allow_html=True)
- col2.table(modos_genero_abs)
- col3.markdown("Porcentaje de etapas por género y modo
", unsafe_allow_html=True)
- col3.table(modos_genero_porc.round(2).astype(str))
-
- col2.markdown("Total de etapas por tarifa y modo
", unsafe_allow_html=True)
- col2.table(modos_tarifa_abs)
- col3.markdown("Porcentaje de etapas por tarifa y modo
", unsafe_allow_html=True)
- col3.table(modos_tarifa_porc.round(2).astype(str))
-
- col2.markdown("Distancias promedio (kms)
", unsafe_allow_html=True)
- col2.table(avg_distances.round(2).astype(str))
-
- col3.markdown("Tiempos promedio (minutos)
", unsafe_allow_html=True)
- col3.table(avg_times.round(2).astype(str))
-
- col2.markdown("Velocidades promedio (kms/hora)
", unsafe_allow_html=True)
- col2.table(avg_velocity.round(2).astype(str))
-
- col3.markdown("Tiempos promedio entre viajes (minutos)
", unsafe_allow_html=True)
- col3.table(avg_tiempo_entre_viajes.round(2).astype(str))
+ col2.markdown("Cantidad promedio de viajes por género y tarifa
", unsafe_allow_html=True)
+ col2.table(avg_viajes.round(2).astype(str))
+ col3.markdown("Cantidad promedio de etapas por género y tarifa
", unsafe_allow_html=True)
+ col3.table(avg_etapas.round(2).astype(str))
+
+
+ col2.markdown("Total de etapas por género y modo
", unsafe_allow_html=True)
+ col2.table(modos_genero_abs)
+ col3.markdown("Porcentaje de etapas por género y modo
", unsafe_allow_html=True)
+ col3.table(modos_genero_porc.round(2).astype(str))
+
+ col2.markdown("Total de etapas por tarifa y modo
", unsafe_allow_html=True)
+ col2.table(modos_tarifa_abs)
+ col3.markdown("Porcentaje de etapas por tarifa y modo
", unsafe_allow_html=True)
+ col3.table(modos_tarifa_porc.round(2).astype(str))
+
+ col2.markdown("Distancias promedio (kms)
", unsafe_allow_html=True)
+ col2.table(avg_distances.round(2).astype(str))
+
+ col3.markdown("Tiempos promedio (minutos)
", unsafe_allow_html=True)
+ col3.table(avg_times.round(2).astype(str))
+
+ col2.markdown("Velocidades promedio (kms/hora)
", unsafe_allow_html=True)
+ col2.table(avg_velocity.round(2).astype(str))
+
+ col3.markdown("Tiempos promedio entre viajes (minutos)
", unsafe_allow_html=True)
+ col3.table(avg_tiempo_entre_viajes.round(2).astype(str))
+ else:
+ col2.write('No hay datos para mostrar')
diff --git a/urbantrips/dashboard/pages/4_Poligonos.py b/urbantrips/dashboard/pages/4_Poligonos.py
index 2a56783..43b82e2 100644
--- a/urbantrips/dashboard/pages/4_Poligonos.py
+++ b/urbantrips/dashboard/pages/4_Poligonos.py
@@ -11,8 +11,8 @@
levanto_tabla_sql, get_logo,
create_data_folium, traigo_indicadores,
extract_hex_colors_from_cmap,
- iniciar_conexion_db, normalize_vars
-
+ iniciar_conexion_db, normalize_vars,
+ traigo_zonas_values
)
from streamlit_folium import folium_static
@@ -297,12 +297,12 @@ def hay_cambios_en_filtros(current, last):
zonificaciones = levanto_tabla_sql('zonificaciones')
socio_indicadores = levanto_tabla_sql('socio_indicadores')
desc_tipo_dia_ = levanto_tabla_sql('poly_etapas', 'dash', 'SELECT DISTINCT tipo_dia FROM poly_etapas;')
- desc_zona_ = levanto_tabla_sql('poly_etapas', 'dash', 'SELECT DISTINCT zona FROM poly_etapas;')
+ desc_zona_ = levanto_tabla_sql('poly_etapas', 'dash', 'SELECT DISTINCT zona FROM poly_etapas;').sort_values('zona')
modos_list_all_ = levanto_tabla_sql('poly_etapas', 'dash', 'SELECT DISTINCT modo_agregado FROM poly_etapas;')
rango_hora_all_ = levanto_tabla_sql('poly_etapas', 'dash', 'SELECT DISTINCT rango_hora FROM poly_etapas;')
distancia_all_ = levanto_tabla_sql('poly_etapas', 'dash', 'SELECT DISTINCT distancia FROM poly_etapas;')
desc_poly_all_ = levanto_tabla_sql('poly_etapas', 'dash', 'SELECT DISTINCT id_polygon FROM poly_etapas;')
-
+ zonas_values = traigo_zonas_values('poligonos')
# st.session_state.etapas_all = st.session_state.etapas_all[st.session_state.etapas_all.factor_expansion_linea > 0].copy()
general, modal, distancias = traigo_indicadores('poligonos')
@@ -316,11 +316,13 @@ def hay_cambios_en_filtros(current, last):
'transferencia': 'Todos',
'modo_agregado': 'Todos',
'rango_hora': 'Todos',
- 'distancia': 'Todas'
+ 'distancia': 'Todas',
+ 'desc_zonas_values':'Todos'
}
if 'data_cargada' not in st.session_state:
st.session_state.data_cargada = False
+
# Opciones de los filtros en Streamlit
# st.session_state.etapas_lst = ['Todos'] + etapas_lst_.mes.unique().tolist()
@@ -358,6 +360,9 @@ def hay_cambios_en_filtros(current, last):
desc_viajes = False
desc_etapas = False
+ zonas_values_all = ['Todos'] + zonas_values[zonas_values.zona == desc_zona].Nombre.unique().tolist()
+ desc_zonas_values = col1.selectbox('Filtro', options=zonas_values_all)
+
desc_origenes = col1.checkbox(
':blue[Origenes]', value=False)
@@ -383,7 +388,7 @@ def hay_cambios_en_filtros(current, last):
desc_cuenca = False
-
+ mtabla = col2.checkbox('Mostrar tabla', value=False)
# Construye el diccionario de filtros actual
current_filters = {
@@ -396,6 +401,7 @@ def hay_cambios_en_filtros(current, last):
'distancia': None if distancia == 'Todas' else distancia,
'coincidencias': None if desc_cuenca == False else True,
'id_polygon': st.session_state.desc_poly,
+ 'desc_zonas_values': None if desc_zonas_values == 'Todos' else desc_zonas_values,
}
current_options = { 'desc_etapas': desc_etapas,
'desc_viajes': desc_viajes,
@@ -404,7 +410,8 @@ def hay_cambios_en_filtros(current, last):
'desc_zonif': desc_zonif,
'show_poly' : st.session_state.show_poly,
'desc_cuenca': desc_cuenca,
- 'desc_et_vi': desc_et_vi
+ 'desc_et_vi': desc_et_vi,
+ 'mtabla': mtabla
}
@@ -413,12 +420,22 @@ def hay_cambios_en_filtros(current, last):
if hay_cambios_en_filtros(current_filters, st.session_state.last_filters):
query = ""
- conditions = " AND ".join(f"{key} = '{value}'" for key, value in current_filters.items() if value is not None)
+ conditions = " AND ".join(f"{key} = '{value}'" for key, value in current_filters.items() if (value is not None)&(key != 'desc_zonas_values'))
if conditions:
query += f" WHERE {conditions}"
+
+ conditions_etapas = ''
+ conditions_matrices = ''
+ if desc_zonas_values != 'Todos':
+ conditions_etapas = f" AND (inicio_norm = '{desc_zonas_values}' OR transfer1_norm = '{desc_zonas_values}' OR transfer2_norm = '{desc_zonas_values}' OR fin_norm = '{desc_zonas_values}')"
+ conditions_matrices = f" AND (inicio = '{desc_zonas_values}' OR fin = '{desc_zonas_values}')"
+ query_etapas = query + conditions_etapas
+ query_matrices = query + conditions_matrices
+
+
+ st.session_state.etapas_ = levanto_tabla_sql_local('poly_etapas', tabla_tipo='dash', query=f"SELECT * FROM poly_etapas{query_etapas}")
+ st.session_state.matrices_ = levanto_tabla_sql_local('poly_matrices', tabla_tipo='dash', query=f"SELECT * FROM poly_matrices{query_matrices}")
- st.session_state.matrices_ = levanto_tabla_sql_local('poly_matrices', tabla_tipo='dash', query=f"SELECT * FROM poly_matrices{query}")
- st.session_state.etapas_ = levanto_tabla_sql_local('poly_etapas', tabla_tipo='dash', query=f"SELECT * FROM poly_etapas{query}")
if len(st.session_state.etapas_)==0:
col2.write('No hay datos para mostrar')
@@ -531,6 +548,12 @@ def hay_cambios_en_filtros(current, last):
if st.session_state.map:
with col2:
folium_static(st.session_state.map, width=1000, height=800)
+
+
+ if mtabla:
+ col2.dataframe(st.session_state.etapas_[['inicio_norm', 'transfer1_norm', 'transfer2_norm', 'fin_norm', 'factor_expansion_linea']])
+
+
else:
col2.text("No hay datos suficientes para mostrar el mapa.")
diff --git "a/urbantrips/dashboard/pages/5_An\303\241lisis de zonas.py" "b/urbantrips/dashboard/pages/5_An\303\241lisis de zonas.py"
index 3f58e68..18f6c69 100644
--- "a/urbantrips/dashboard/pages/5_An\303\241lisis de zonas.py"
+++ "b/urbantrips/dashboard/pages/5_An\303\241lisis de zonas.py"
@@ -136,86 +136,89 @@ def main():
## Etapas
query1 = f"SELECT * FROM etapas_agregadas WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values1}));"
etapas1 = levanto_tabla_sql_local('etapas_agregadas', tabla_tipo='dash', query=query1)
- etapas1['Zona_1'] = 'Zona 1'
- ## Viajes
- query1 = f"SELECT * FROM viajes_agregados WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values1}) );"
- viajes1 = levanto_tabla_sql_local('viajes_agregados', tabla_tipo='dash', query=query1)
- viajes1['Zona_1'] = 'Zona 1'
-
- modos_e1 = etapas1.groupby(['modo', 'nombre_linea'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Etapas',
- 'nombre_linea': 'Línea', 'modo': 'Modo'})
-
- modos_v1 = viajes1.groupby(['modo'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Viajes',
- 'modo': 'Modo'})
-
- # Calculate the total and append as a new row
- total_row1e = pd.DataFrame({
- 'Modo': ['Total'],
- 'Línea': ['-'],
- 'Etapas': [modos_e1['Etapas'].sum()]
- })
- modos_e1 = pd.concat([modos_e1, total_row1e], ignore_index=True)
-
-
- # Calculate the total and append as a new row
- total_row1 = pd.DataFrame({
- 'Modo': ['Total'],
- 'Viajes': [modos_v1['Viajes'].sum()]
- })
- modos_v1 = pd.concat([modos_v1, total_row1], ignore_index=True)
-
- col2.title('Zona 1')
- col2.write('Etapas')
- modos_e1['Etapas'] = modos_e1['Etapas'].round()
- col2.dataframe(modos_e1.set_index('Modo'), height=400, width=400)
- col3.title('')
- col3.write('Viajes')
- modos_v1['Viajes'] = modos_v1['Viajes'].round()
- col3.dataframe(modos_v1.set_index('Modo'), height=400, width=300)
+ if len(etapas1) > 0:
+ etapas1['Zona_1'] = 'Zona 1'
+
+ ## Viajes
+ query1 = f"SELECT * FROM viajes_agregados WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values1}) );"
+ viajes1 = levanto_tabla_sql_local('viajes_agregados', tabla_tipo='dash', query=query1)
+ viajes1['Zona_1'] = 'Zona 1'
+
+ modos_e1 = etapas1.groupby(['modo', 'nombre_linea'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Etapas',
+ 'nombre_linea': 'Línea', 'modo': 'Modo'})
+
+ modos_v1 = viajes1.groupby(['modo'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Viajes',
+ 'modo': 'Modo'})
+
+ # Calculate the total and append as a new row
+ total_row1e = pd.DataFrame({
+ 'Modo': ['Total'],
+ 'Línea': ['-'],
+ 'Etapas': [modos_e1['Etapas'].sum()]
+ })
+ modos_e1 = pd.concat([modos_e1, total_row1e], ignore_index=True)
+
+
+ # Calculate the total and append as a new row
+ total_row1 = pd.DataFrame({
+ 'Modo': ['Total'],
+ 'Viajes': [modos_v1['Viajes'].sum()]
+ })
+ modos_v1 = pd.concat([modos_v1, total_row1], ignore_index=True)
+
+ col2.title('Zona 1')
+ col2.write('Etapas')
+ modos_e1['Etapas'] = modos_e1['Etapas'].round()
+ col2.dataframe(modos_e1.set_index('Modo'), height=400, width=400)
+ col3.title('')
+ col3.write('Viajes')
+ modos_v1['Viajes'] = modos_v1['Viajes'].round()
+ col3.dataframe(modos_v1.set_index('Modo'), height=400, width=300)
if len(zona2) > 0:
h3_values2 = ", ".join(f"'{item}'" for item in zona2)
## Etapas
query2 = f"SELECT * FROM etapas_agregadas WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values2}));"
etapas2 = levanto_tabla_sql_local('etapas_agregadas', tabla_tipo='dash', query=query2)
- etapas2['Zona_2'] = 'Zona 2'
-
- ## Viajes
- query2 = f"SELECT * FROM viajes_agregados WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values2}) );"
- viajes2 = levanto_tabla_sql_local('viajes_agregados', tabla_tipo='dash', query=query2)
- viajes2['Zona_2'] = 'Zona 2'
-
- modos_e2 = etapas2.groupby(['modo', 'nombre_linea'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Etapas',
- 'nombre_linea': 'Línea', 'modo': 'Modo'})
-
- modos_v2 = viajes2.groupby(['modo'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Viajes',
- 'modo': 'Modo'})
- # Calculate the total and append as a new row
- total_row2e = pd.DataFrame({
- 'Modo': ['Total'],
- 'Línea': ['-'],
- 'Etapas': [modos_e2['Etapas'].sum()]
- })
- modos_e2 = pd.concat([modos_e2, total_row2e], ignore_index=True)
-
- # Calculate the total and append as a new row
- total_row2 = pd.DataFrame({
- 'Modo': ['Total'],
- 'Viajes': [modos_v2['Viajes'].sum()]
- })
- modos_v2 = pd.concat([modos_v2, total_row2], ignore_index=True)
-
-
- col4.title('Zona 2')
- col4.write('Etapas')
- modos_e2['Etapas'] = modos_e2['Etapas'].round()
- col4.dataframe(modos_e2.set_index('Modo'), height=400, width=400)
-
- modos_v2['Viajes'] = modos_v2['Viajes'].round()
- col5.title('')
- col5.write('Viajes')
- # col5.markdown(modos_v2.to_html(index=False), unsafe_allow_html=True)
- col5.dataframe(modos_v2.set_index('Modo'), height=400, width=300)
+ if len(etapas2) > 0:
+ etapas2['Zona_2'] = 'Zona 2'
+
+ ## Viajes
+ query2 = f"SELECT * FROM viajes_agregados WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values2}) );"
+ viajes2 = levanto_tabla_sql_local('viajes_agregados', tabla_tipo='dash', query=query2)
+ viajes2['Zona_2'] = 'Zona 2'
+
+ modos_e2 = etapas2.groupby(['modo', 'nombre_linea'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Etapas',
+ 'nombre_linea': 'Línea', 'modo': 'Modo'})
+
+ modos_v2 = viajes2.groupby(['modo'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Viajes',
+ 'modo': 'Modo'})
+ # Calculate the total and append as a new row
+ total_row2e = pd.DataFrame({
+ 'Modo': ['Total'],
+ 'Línea': ['-'],
+ 'Etapas': [modos_e2['Etapas'].sum()]
+ })
+ modos_e2 = pd.concat([modos_e2, total_row2e], ignore_index=True)
+
+ # Calculate the total and append as a new row
+ total_row2 = pd.DataFrame({
+ 'Modo': ['Total'],
+ 'Viajes': [modos_v2['Viajes'].sum()]
+ })
+ modos_v2 = pd.concat([modos_v2, total_row2], ignore_index=True)
+
+
+ col4.title('Zona 2')
+ col4.write('Etapas')
+ modos_e2['Etapas'] = modos_e2['Etapas'].round()
+ col4.dataframe(modos_e2.set_index('Modo'), height=400, width=400)
+
+ modos_v2['Viajes'] = modos_v2['Viajes'].round()
+ col5.title('')
+ col5.write('Viajes')
+ # col5.markdown(modos_v2.to_html(index=False), unsafe_allow_html=True)
+ col5.dataframe(modos_v2.set_index('Modo'), height=400, width=300)
with st.expander('Viajes entre zonas', expanded=True):
col1, col2, col3, col4 = st.columns([1, 2, 2, 3])
@@ -225,90 +228,123 @@ def main():
## Etapas
query = f"SELECT * FROM etapas_agregadas WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values}) OR h3_d IN ({h3_values}));"
etapas = levanto_tabla_sql_local('etapas_agregadas', tabla_tipo='dash', query=query)
-
- etapas['Zona_1'] = ''
- etapas['Zona_2'] = ''
- etapas.loc[etapas.h3_o.isin(zona1), 'Zona_1'] = 'Zona 1'
- etapas.loc[etapas.h3_o.isin(zona2), 'Zona_1'] = 'Zona 2'
- etapas.loc[etapas.h3_d.isin(zona1), 'Zona_2'] = 'Zona 1'
- etapas.loc[etapas.h3_d.isin(zona2), 'Zona_2'] = 'Zona 2'
- etapas = etapas[(etapas.Zona_1 != '') & (etapas.Zona_2 != '') & (etapas.Zona_1 != etapas.Zona_2) & (etapas.Zona_1 != etapas.Zona_2)]
-
- etapas = etapas.fillna('')
-
- zonasod_e = etapas.groupby(['Zona_1', 'Zona_2'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Etapas'})
-
- modos_e = etapas.groupby(['modo', 'nombre_linea'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Etapas',
- 'nombre_linea': 'Línea',
- 'modo': 'Modo'})
- # Calculate the total and append as a new row
- total_rowe = pd.DataFrame({
- 'Modo': ['Total'],
- 'Línea': ['-'],
- 'Etapas': [modos_e['Etapas'].sum()]
- })
- modos_e = pd.concat([modos_e, total_rowe], ignore_index=True)
-
- modos_e['Etapas'] = modos_e['Etapas'].round()
+ if len(etapas) > 0:
- col2.write('Etapas')
- col2.markdown(zonasod_e.to_html(index=False), unsafe_allow_html=True)
- col2.dataframe(modos_e.set_index('Modo'), height=500, width=400)
-
-
- ## Viajes
- query = f"SELECT * FROM viajes_agregados WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values}) OR h3_d IN ({h3_values}));"
- viajes = levanto_tabla_sql_local('viajes_agregados', tabla_tipo='dash', query=query)
+ etapas['Zona_1'] = ''
+ etapas['Zona_2'] = ''
+ etapas.loc[etapas.h3_o.isin(zona1), 'Zona_1'] = 'Zona 1'
+ etapas.loc[etapas.h3_o.isin(zona2), 'Zona_1'] = 'Zona 2'
+ etapas.loc[etapas.h3_d.isin(zona1), 'Zona_2'] = 'Zona 1'
+ etapas.loc[etapas.h3_d.isin(zona2), 'Zona_2'] = 'Zona 2'
+ etapas = etapas[(etapas.Zona_1 != '') & (etapas.Zona_2 != '') & (etapas.Zona_1 != etapas.Zona_2)]
+
+ etapas = etapas.fillna('')
+
+ zonasod_e = etapas.groupby(['Zona_1', 'Zona_2'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Etapas'})
+
+
+ modos_e = etapas.groupby(['modo', 'nombre_linea'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Etapas',
+ 'nombre_linea': 'Línea',
+ 'modo': 'Modo'})
+
+ col2.write(zonasod_e)
+
+ # Calculate the total and append as a new row
+ total_rowe = pd.DataFrame({
+ 'Modo': ['Total'],
+ 'Línea': ['-'],
+ 'Etapas': [modos_e['Etapas'].sum()]
+ })
+ modos_e = pd.concat([modos_e, total_rowe], ignore_index=True)
+
+ modos_e['Etapas'] = modos_e['Etapas'].round()
+
+ col2.write('Etapas')
+ col2.markdown(zonasod_e.to_html(index=False), unsafe_allow_html=True)
+ col2.dataframe(modos_e.set_index('Modo'), height=500, width=400)
+
+
+ ## Viajes
+ h3_values = ", ".join(f"'{item}'" for item in zona1 + zona2)
+ query = f"SELECT * FROM viajes_agregados WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values}) OR h3_d IN ({h3_values}));"
+ viajes = levanto_tabla_sql_local('viajes_agregados', tabla_tipo='dash', query=query)
+
+ viajes['Zona_1'] = ''
+ viajes['Zona_2'] = ''
+ viajes.loc[viajes.h3_o.isin(zona1), 'Zona_1'] = 'Zona 1'
+ viajes.loc[viajes.h3_o.isin(zona2), 'Zona_1'] = 'Zona 2'
+ viajes.loc[viajes.h3_d.isin(zona1), 'Zona_2'] = 'Zona 1'
+ viajes.loc[viajes.h3_d.isin(zona2), 'Zona_2'] = 'Zona 2'
+ viajes = viajes[(viajes.Zona_1 != '') & (viajes.Zona_2 != '') & (viajes.Zona_1 != viajes.Zona_2)]
+
+ zonasod_v = viajes.groupby(['Zona_1', 'Zona_2'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Viajes'})
+
+
+
+ modos_v = viajes.groupby(['modo'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Viajes',
+ 'modo': 'Modo'})
+
+ # Calculate the total and append as a new row
+ total_row = pd.DataFrame({
+ 'Modo': ['Total'],
+ 'Viajes': [modos_v['Viajes'].sum()]
+ })
+ modos_v = pd.concat([modos_v, total_row], ignore_index=True)
+
+ col3.write('Viajes')
+ col3.markdown(zonasod_v.to_html(index=False), unsafe_allow_html=True)
+ modos_v['Viajes'] = modos_v['Viajes'].round()
+ # col3.markdown(modos_v.to_html(index=False), unsafe_allow_html=True)
+ col3.dataframe(modos_v.set_index('Modo'), height=500, width=300)
+
+ ## Mapa
+
+ # Create unified geometry for each zone
+ def zona_to_geometry(h3_list):
+ polygons = [Polygon(h3.h3_to_geo_boundary(h3_index, geo_json=True)) for h3_index in h3_list]
+ return unary_union(polygons)
+
+ geometry_zona1 = zona_to_geometry(st.session_state['zona_1'])
+ geometry_zona2 = zona_to_geometry(st.session_state['zona_2'])
+ gdf = gpd.GeoDataFrame({
+ 'zona': ['Zona 1', 'Zona 2'],
+ 'geometry': [geometry_zona1, geometry_zona2]
+ }, crs="EPSG:4326")
+
+ # Plot the zones on a new Folium map
+ m2 = folium.Map(location=[gdf.geometry.centroid.y.mean(), gdf.geometry.centroid.x.mean()], zoom_start=10)
+ folium.GeoJson(gdf, name="GeoData").add_to(m2)
+
+ with col4:
+ output2 = st_folium(m2, width=700, height=700)
+
+ with st.expander('Viajes con transferencias', expanded=False):
+ col1, col2 = st.columns([1, 3])
+ ## Transferencias
+ h3_values = ", ".join(f"'{item}'" for item in zona1 + zona2)
+ query = f"SELECT * FROM transferencias_agregadas WHERE mes = '{desc_mes}' AND tipo_dia = '{desc_tipo_dia}' AND (h3_o IN ({h3_values}) OR h3_d IN ({h3_values}));"
+ transferencias = levanto_tabla_sql_local('transferencias_agregadas', tabla_tipo='dash', query=query)
+
+ if len(transferencias) > 0:
+
+ transferencias['Zona_1'] = ''
+ transferencias['Zona_2'] = ''
+ transferencias.loc[transferencias.h3_o.isin(zona1), 'Zona_1'] = 'Zona 1'
+ transferencias.loc[transferencias.h3_o.isin(zona2), 'Zona_1'] = 'Zona 2'
+ transferencias.loc[transferencias.h3_d.isin(zona1), 'Zona_2'] = 'Zona 1'
+ transferencias.loc[transferencias.h3_d.isin(zona2), 'Zona_2'] = 'Zona 2'
+ transferencias = transferencias[(transferencias.Zona_1 != '') & (transferencias.Zona_2 != '') & (transferencias.Zona_1 != transferencias.Zona_2)]
- viajes['Zona_1'] = ''
- viajes['Zona_2'] = ''
- viajes.loc[viajes.h3_o.isin(zona1), 'Zona_1'] = 'Zona 1'
- viajes.loc[viajes.h3_o.isin(zona2), 'Zona_1'] = 'Zona 2'
- viajes.loc[viajes.h3_d.isin(zona1), 'Zona_2'] = 'Zona 1'
- viajes.loc[viajes.h3_d.isin(zona2), 'Zona_2'] = 'Zona 2'
- viajes = viajes[(viajes.Zona_1 != '') & (viajes.Zona_2 != '') & (viajes.Zona_1 != viajes.Zona_2) & (viajes.Zona_1 != viajes.Zona_2)]
-
- zonasod_v = viajes.groupby(['Zona_1', 'Zona_2'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Viajes'})
-
-
-
- modos_v = viajes.groupby(['modo'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Viajes',
- 'modo': 'Modo'})
+ transferencias = transferencias.fillna('')
- # Calculate the total and append as a new row
- total_row = pd.DataFrame({
- 'Modo': ['Total'],
- 'Viajes': [modos_v['Viajes'].sum()]
- })
- modos_v = pd.concat([modos_v, total_row], ignore_index=True)
+ transferencias = transferencias.groupby(['modo',
+ 'seq_lineas'], as_index=False).factor_expansion_linea.sum().rename(columns={'factor_expansion_linea':'Viajes',
+ 'modo':'Modo', 'seq_lineas':'Líneas'}).sort_values('Viajes', ascending=False)
+ transferencias['Viajes'] = transferencias['Viajes'].astype(int)
- col3.write('Viajes')
- col3.markdown(zonasod_v.to_html(index=False), unsafe_allow_html=True)
- modos_v['Viajes'] = modos_v['Viajes'].round()
- # col3.markdown(modos_v.to_html(index=False), unsafe_allow_html=True)
- col3.dataframe(modos_v.set_index('Modo'), height=500, width=300)
-
- ## Mapa
-
- # Create unified geometry for each zone
- def zona_to_geometry(h3_list):
- polygons = [Polygon(h3.h3_to_geo_boundary(h3_index, geo_json=True)) for h3_index in h3_list]
- return unary_union(polygons)
-
- geometry_zona1 = zona_to_geometry(st.session_state['zona_1'])
- geometry_zona2 = zona_to_geometry(st.session_state['zona_2'])
- gdf = gpd.GeoDataFrame({
- 'zona': ['Zona 1', 'Zona 2'],
- 'geometry': [geometry_zona1, geometry_zona2]
- }, crs="EPSG:4326")
-
- # Plot the zones on a new Folium map
- m2 = folium.Map(location=[gdf.geometry.centroid.y.mean(), gdf.geometry.centroid.x.mean()], zoom_start=10)
- folium.GeoJson(gdf, name="GeoData").add_to(m2)
+ col2.dataframe(transferencias.set_index('Modo'), height=500, width=500)
- with col4:
- output2 = st_folium(m2, width=700, height=700)
if __name__ == '__main__':
main()
diff --git a/urbantrips/lineas_deseo/lineas_deseo.py b/urbantrips/lineas_deseo/lineas_deseo.py
index 9d059b5..04599e8 100644
--- a/urbantrips/lineas_deseo/lineas_deseo.py
+++ b/urbantrips/lineas_deseo/lineas_deseo.py
@@ -800,8 +800,22 @@ def preparo_etapas_agregadas(etapas, viajes):
v_agg = viajes.groupby(['dia', 'mes', 'tipo_dia', 'h3_o', 'h3_d', 'modo'], as_index=False).factor_expansion_linea.sum()
v_agg = v_agg.groupby(['mes', 'tipo_dia', 'h3_o', 'h3_d', 'modo'], as_index=False).factor_expansion_linea.mean()
v_agg = v_agg[v_agg.h3_o!=v_agg.h3_d]
+
+ etapas['etapas_max'] = etapas.groupby(['dia', 'id_tarjeta', 'id_viaje']).id_etapa.transform('max')
+ transfers = etapas.loc[(etapas.etapas_max>1), ['dia', 'id_tarjeta', 'id_viaje', 'id_etapa', 'etapas_max', 'id_linea', 'h3_o', 'h3_d', 'factor_expansion_linea']]
+ transfers = transfers.merge(lineas[['id_linea', 'nombre_linea']], how='left')
+ transfers = transfers.pivot(index=['dia', 'id_tarjeta', 'id_viaje'], columns='id_etapa', values='nombre_linea').reset_index().fillna('')
+ transfers['seq_lineas'] = ''
+ for i in range(1, etapas.etapas_max.max()+1):
+ transfers['seq_lineas'] += transfers[i] + ' -- '
+ transfers['seq_lineas'] = transfers['seq_lineas'].str.replace(' -- -- ', '')
+
+ transfers['seq_lineas'] = transfers.seq_lineas.str[:-4]
+ transfers = viajes.merge(transfers[['dia', 'id_tarjeta', 'id_viaje', 'seq_lineas']])
+ transfers = transfers.groupby(['dia', 'mes', 'tipo_dia', 'h3_o', 'h3_d', 'modo', 'seq_lineas'], as_index=False).factor_expansion_linea.sum()
+ transfers = transfers.groupby(['mes', 'tipo_dia', 'h3_o', 'h3_d', 'modo', 'seq_lineas'], as_index=False).factor_expansion_linea.mean()
- return e_agg, v_agg
+ return e_agg, v_agg, transfers
def preparo_lineas_deseo(etapas_selec, viajes_selec, polygons_h3='', poligonos='', res=6):
@@ -816,15 +830,17 @@ def preparo_lineas_deseo(etapas_selec, viajes_selec, polygons_h3='', poligonos='
viajes_selec['id_polygon'] = 'NONE'
etapas_selec['coincidencias'] = 'NONE'
viajes_selec['coincidencias'] = 'NONE'
-
- etapas_selec = etapas_selec[etapas_selec.distance_osm_drive.notna()].copy()
+ #### etapas_selec = etapas_selec[etapas_selec.distance_osm_drive.notna()].copy()
+
etapas_selec = etapas_selec.rename(
columns={'distance_osm_drive': 'distance_osm_drive_etapas'})
distancias_all = etapas_selec.groupby(
['id_polygon', 'dia', 'id_tarjeta', 'id_viaje'], as_index=False)[['distance_osm_drive_etapas']].sum()
+
distancias_all = distancias_all.merge(viajes_selec.loc[viajes_selec.od_validado == 1, [
- 'id_polygon', 'dia', 'id_tarjeta', 'id_viaje', 'distance_osm_drive', 'travel_time_min', 'travel_speed']])
+ 'id_polygon', 'dia', 'id_tarjeta', 'id_viaje', 'distance_osm_drive', 'travel_time_min', 'travel_speed']]) #
+
distancias_all['distancia'] = 'Viajes cortos (<=5kms)'
distancias_all.loc[(distancias_all.distance_osm_drive > 5),
'distancia'] = 'Viajes largos (>5kms)'
@@ -866,16 +882,11 @@ def preparo_lineas_deseo(etapas_selec, viajes_selec, polygons_h3='', poligonos='
etapas_selec.loc[(etapas_selec.hora >= 17) & (
etapas_selec.hora <= 24), 'rango_hora'] = '17-24'
- etapas_agrupadas_all = pd.DataFrame([])
- gpd_viajes_agrupados_all = pd.DataFrame([])
-
for id_polygon in polygons_h3.id_polygon.unique():
poly_h3 = polygons_h3[polygons_h3.id_polygon == id_polygon]
poly = poligonos[poligonos.id == id_polygon]
tipo_poly = poly.tipo.values[0]
- print('')
- print(f'Polígono {id_polygon} - Tipo: {tipo_poly}')
# Preparo Etapas con inicio, transferencias y fin del viaje
etapas_all = etapas_selec.loc[(etapas_selec.id_polygon == id_polygon), ['dia',
@@ -940,8 +951,7 @@ def preparo_lineas_deseo(etapas_selec, viajes_selec, polygons_h3='', poligonos='
etapas_all = pd.concat([etapas_all, ultimo_viaje]).sort_values(
['dia', 'id_tarjeta', 'id_viaje', 'id_etapa']).reset_index(drop=True)
- etapas_all['tipo_viaje'] = 'Transfer_' + \
- (etapas_all['id_etapa']-1).astype(str)
+ etapas_all['tipo_viaje'] = 'Transfer_' + (etapas_all['id_etapa']-1).astype(str)
etapas_all.loc[etapas_all.ultimo_viaje == 1, 'tipo_viaje'] = 'Fin'
etapas_all.loc[etapas_all.id_etapa == 1, 'tipo_viaje'] = 'Inicio'
@@ -1012,10 +1022,10 @@ def preparo_lineas_deseo(etapas_selec, viajes_selec, polygons_h3='', poligonos='
'tarifa',
'coincidencias',
'factor_expansion_linea']]
-
-
for zona in zonas:
+ print('')
+ print(f'Polígono {id_polygon} - Tipo: {tipo_poly} - Zona: {zona}')
if id_polygon != 'NONE':
# print(id_polygon, zona)
@@ -1136,264 +1146,320 @@ def preparo_lineas_deseo(etapas_selec, viajes_selec, polygons_h3='', poligonos='
etapas_agrupadas_zon = normalizo_zona(etapas_agrupadas_zon,
zonificaciones[zonificaciones.zona == zona].copy())
- etapas_agrupadas_all = pd.concat(
- [etapas_agrupadas_all, etapas_agrupadas_zon], ignore_index=True)
-
- etapas_agrupadas_all['transferencia'] = 0
- etapas_agrupadas_all.loc[(etapas_agrupadas_all.transfer1_norm != '') | (
- etapas_agrupadas_all.transfer2_norm != ''), 'transferencia'] = 1
-
- etapas_agrupadas_all = etapas_agrupadas_all.merge(
- distancias_all, how='left')
-
- etapas_agrupadas_all['tipo_dia_'] = pd.to_datetime(etapas_agrupadas_all.dia).dt.weekday.astype(str).copy()
- etapas_agrupadas_all['tipo_dia'] = 'Hábil'
- etapas_agrupadas_all.loc[etapas_agrupadas_all.tipo_dia_.astype(int)>=5, 'tipo_dia'] = 'Fin de Semana'
- etapas_agrupadas_all = etapas_agrupadas_all.drop(['tipo_dia_'], axis=1)
- etapas_agrupadas_all['mes'] = etapas_agrupadas_all.dia.str[:7]
-
- etapas_agrupadas_all = etapas_agrupadas_all[['id_polygon', 'zona', 'dia', 'mes', 'tipo_dia', 'id_tarjeta', 'id_viaje',
- 'h3_inicio', 'h3_transfer1', 'h3_transfer2', 'h3_fin',
- 'inicio', 'transfer1', 'transfer2', 'fin',
- 'poly_inicio', 'poly_transfer1', 'poly_transfer2', 'poly_fin',
- 'inicio_norm', 'transfer1_norm', 'transfer2_norm', 'fin_norm',
- 'poly_inicio_norm', 'poly_transfer1_norm', 'poly_transfer2_norm', 'poly_fin_norm',
- 'lon1', 'lat1', 'lon2', 'lat2', 'lon3', 'lat3', 'lon4', 'lat4',
- 'lon1_norm', 'lat1_norm', 'lon2_norm', 'lat2_norm', 'lon3_norm', 'lat3_norm', 'lon4_norm', 'lat4_norm',
- 'transferencia', 'modo_agregado', 'rango_hora', 'genero', 'tarifa', 'coincidencias', 'distancia',
- 'distance_osm_drive', 'distance_osm_drive_etapas',
- 'travel_time_min', 'travel_speed',
- 'factor_expansion_linea']]
-
- etapas_sin_agrupar = etapas_agrupadas_all.copy()
-
- aggregate_cols = ['id_polygon', 'dia', 'mes', 'tipo_dia', 'zona', 'inicio', 'fin', 'poly_inicio',
- 'poly_fin', 'transferencia', 'modo_agregado', 'rango_hora', 'genero', 'tarifa', 'coincidencias', 'distancia']
- viajes_matrices = construyo_matrices(etapas_sin_agrupar,
- aggregate_cols,
- zonificaciones,
- False,
- False,
- False)
-
- # Agrupación de viajes
- aggregate_cols = ['id_polygon',
- 'dia',
- 'mes',
- 'tipo_dia',
- 'zona',
- 'inicio_norm',
- 'transfer1_norm',
- 'transfer2_norm',
- 'fin_norm',
- 'poly_inicio_norm',
- 'poly_transfer1_norm',
- 'poly_transfer2_norm',
- 'poly_fin_norm',
- 'transferencia',
- 'modo_agregado',
- 'rango_hora',
- 'genero',
- 'tarifa',
- 'coincidencias',
- 'distancia']
-
- weighted_mean_cols = ['distance_osm_drive',
- 'distance_osm_drive_etapas',
- 'travel_time_min',
- 'travel_speed',
- 'lat1_norm',
- 'lon1_norm',
- 'lat2_norm',
- 'lon2_norm',
- 'lat3_norm',
- 'lon3_norm',
- 'lat4_norm',
- 'lon4_norm']
-
- weight_col = 'factor_expansion_linea'
-
- zero_to_nan = ['lat1_norm',
- 'lon1_norm',
- 'lat2_norm',
- 'lon2_norm',
- 'lat3_norm',
- 'lon3_norm',
- 'lat4_norm',
- 'lon4_norm']
-
- etapas_agrupadas_all = agrupar_viajes(etapas_agrupadas_all,
- aggregate_cols,
- weighted_mean_cols,
- weight_col,
- zero_to_nan,
- agg_transferencias=False,
- agg_modo=False,
- agg_hora=False,
- agg_distancia=False)
-
- zonificaciones['lat'] = zonificaciones.geometry.representative_point().y
- zonificaciones['lon'] = zonificaciones.geometry.representative_point().x
+ ### etapas_agrupadas_zon = pd.concat(
+ ### [etapas_agrupadas_zon, etapas_agrupadas_zon], ignore_index=True)
- n = 1
- poly_lst = ['poly_inicio', 'poly_transfer1', 'poly_transfer2', 'poly_fin']
- for i in ['inicio', 'transfer1', 'transfer2', 'fin']:
- etapas_agrupadas_all = etapas_agrupadas_all.merge(zonificaciones[['zona', 'id', 'lat', 'lon']].rename(columns={'id': f'{i}_norm', 'lat': f'lat{n}_norm_tmp', 'lon': f'lon{n}_norm_tmp'}),
- how='left',
- on=['zona', f'{i}_norm'])
- etapas_agrupadas_all.loc[etapas_agrupadas_all[f'{poly_lst[n-1]}_norm'] == '',
- f'lat{n}_norm'] = etapas_agrupadas_all.loc[etapas_agrupadas_all[f'{poly_lst[n-1]}_norm'] == '', f'lat{n}_norm_tmp']
- etapas_agrupadas_all.loc[etapas_agrupadas_all[f'{poly_lst[n-1]}_norm'] == '',
- f'lon{n}_norm'] = etapas_agrupadas_all.loc[etapas_agrupadas_all[f'{poly_lst[n-1]}_norm'] == '', f'lon{n}_norm_tmp']
-
- etapas_agrupadas_all = etapas_agrupadas_all.drop(
- [f'lat{n}_norm_tmp', f'lon{n}_norm_tmp'], axis=1)
-
- if (n == 1) | (n == 4):
- viajes_matrices = viajes_matrices.merge(zonificaciones[['zona', 'id', 'lat', 'lon']].rename(columns={'id': f'{i}', 'lat': f'lat{n}_tmp', 'lon': f'lon{n}_tmp'}),
- how='left',
- on=['zona', f'{i}'])
- viajes_matrices.loc[viajes_matrices[f'{poly_lst[n-1]}'] == '',
- f'lat{n}'] = viajes_matrices.loc[viajes_matrices[f'{poly_lst[n-1]}'] == '', f'lat{n}_tmp']
- viajes_matrices.loc[viajes_matrices[f'{poly_lst[n-1]}'] == '',
- f'lon{n}'] = viajes_matrices.loc[viajes_matrices[f'{poly_lst[n-1]}'] == '', f'lon{n}_tmp']
- viajes_matrices = viajes_matrices.drop(
- [f'lat{n}_tmp', f'lon{n}_tmp'], axis=1)
-
- n += 1
-
-
-
- # # Agrupar a nivel de mes y corregir factor de expansión
- sum_viajes = etapas_agrupadas_all.groupby(['dia',
- 'mes',
- 'tipo_dia',
- 'zona'], as_index=False).factor_expansion_linea.sum().groupby(['mes',
- 'tipo_dia',
- 'zona'], as_index=False).factor_expansion_linea.mean().round()
+ etapas_agrupadas_zon['transferencia'] = 0
+ etapas_agrupadas_zon.loc[(etapas_agrupadas_zon.transfer1_norm != '') | (
+ etapas_agrupadas_zon.transfer2_norm != ''), 'transferencia'] = 1
- aggregate_cols = ['mes',
- 'tipo_dia',
- 'id_polygon',
- 'poly_inicio_norm',
- 'poly_transfer1_norm',
- 'poly_transfer2_norm',
- 'poly_fin_norm',
- 'zona',
- 'inicio_norm',
- 'transfer1_norm',
- 'transfer2_norm',
- 'fin_norm',
- 'transferencia',
- 'modo_agregado',
- 'rango_hora',
- 'genero',
- 'tarifa',
- 'coincidencias',
- 'distancia', ]
- weighted_mean_cols=['distance_osm_drive',
- 'distance_osm_drive_etapas',
- 'travel_time_min',
- 'travel_speed',
- 'lat1_norm',
- 'lon1_norm',
- 'lat2_norm',
- 'lon2_norm',
- 'lat3_norm',
- 'lon3_norm',
- 'lat4_norm',
- 'lon4_norm']
-
- etapas_agrupadas_all = calculate_weighted_means(etapas_agrupadas_all,
- aggregate_cols=aggregate_cols,
- weighted_mean_cols=weighted_mean_cols,
- weight_col='factor_expansion_linea',
- zero_to_nan=zero_to_nan,
- var_fex_summed=False)
+ etapas_agrupadas_zon = etapas_agrupadas_zon.merge(
+ distancias_all, how='left')
+
+ etapas_agrupadas_zon['tipo_dia_'] = pd.to_datetime(etapas_agrupadas_zon.dia).dt.weekday.astype(str).copy()
+ etapas_agrupadas_zon['tipo_dia'] = 'Hábil'
+ etapas_agrupadas_zon.loc[etapas_agrupadas_zon.tipo_dia_.astype(int)>=5, 'tipo_dia'] = 'Fin de Semana'
+ etapas_agrupadas_zon = etapas_agrupadas_zon.drop(['tipo_dia_'], axis=1)
+ etapas_agrupadas_zon['mes'] = etapas_agrupadas_zon.dia.str[:7]
+
+ etapas_agrupadas_zon = etapas_agrupadas_zon[['id_polygon', 'zona', 'dia', 'mes', 'tipo_dia', 'id_tarjeta', 'id_viaje',
+ 'h3_inicio', 'h3_transfer1', 'h3_transfer2', 'h3_fin',
+ 'inicio', 'transfer1', 'transfer2', 'fin',
+ 'poly_inicio', 'poly_transfer1', 'poly_transfer2', 'poly_fin',
+ 'inicio_norm', 'transfer1_norm', 'transfer2_norm', 'fin_norm',
+ 'poly_inicio_norm', 'poly_transfer1_norm', 'poly_transfer2_norm', 'poly_fin_norm',
+ 'lon1', 'lat1', 'lon2', 'lat2', 'lon3', 'lat3', 'lon4', 'lat4',
+ 'lon1_norm', 'lat1_norm', 'lon2_norm', 'lat2_norm', 'lon3_norm', 'lat3_norm', 'lon4_norm', 'lat4_norm',
+ 'transferencia', 'modo_agregado', 'rango_hora', 'genero', 'tarifa', 'coincidencias', 'distancia',
+ 'distance_osm_drive', 'distance_osm_drive_etapas',
+ 'travel_time_min', 'travel_speed',
+ 'factor_expansion_linea']]
+
+ aggregate_cols = ['id_polygon', 'dia', 'mes', 'tipo_dia', 'zona', 'inicio', 'fin', 'poly_inicio',
+ 'poly_fin', 'transferencia', 'modo_agregado', 'rango_hora', 'genero', 'tarifa', 'coincidencias', 'distancia']
+ viajes_matrices = construyo_matrices(etapas_agrupadas_zon,
+ aggregate_cols,
+ zonificaciones,
+ False,
+ False,
+ False)
+
+ # Agrupación de viajes
+ aggregate_cols = ['id_polygon',
+ 'dia',
+ 'mes',
+ 'tipo_dia',
+ 'zona',
+ 'inicio_norm',
+ 'transfer1_norm',
+ 'transfer2_norm',
+ 'fin_norm',
+ 'poly_inicio_norm',
+ 'poly_transfer1_norm',
+ 'poly_transfer2_norm',
+ 'poly_fin_norm',
+ 'transferencia',
+ 'modo_agregado',
+ 'rango_hora',
+ 'genero',
+ 'tarifa',
+ 'coincidencias',
+ 'distancia']
+
+ weighted_mean_cols = ['distance_osm_drive',
+ 'distance_osm_drive_etapas',
+ 'travel_time_min',
+ 'travel_speed',
+ 'lat1_norm',
+ 'lon1_norm',
+ 'lat2_norm',
+ 'lon2_norm',
+ 'lat3_norm',
+ 'lon3_norm',
+ 'lat4_norm',
+ 'lon4_norm']
+
+ weight_col = 'factor_expansion_linea'
+
+ zero_to_nan = ['lat1_norm',
+ 'lon1_norm',
+ 'lat2_norm',
+ 'lon2_norm',
+ 'lat3_norm',
+ 'lon3_norm',
+ 'lat4_norm',
+ 'lon4_norm']
+
+ etapas_agrupadas_zon = agrupar_viajes(etapas_agrupadas_zon,
+ aggregate_cols,
+ weighted_mean_cols,
+ weight_col,
+ zero_to_nan,
+ agg_transferencias=False,
+ agg_modo=False,
+ agg_hora=False,
+ agg_distancia=False)
+
+ zonificaciones['lat'] = zonificaciones.geometry.representative_point().y
+ zonificaciones['lon'] = zonificaciones.geometry.representative_point().x
+
+ n = 1
+ poly_lst = ['poly_inicio', 'poly_transfer1', 'poly_transfer2', 'poly_fin']
+ for i in ['inicio', 'transfer1', 'transfer2', 'fin']:
+ etapas_agrupadas_zon = etapas_agrupadas_zon.merge(zonificaciones[['zona', 'id', 'lat', 'lon']].rename(columns={'id': f'{i}_norm', 'lat': f'lat{n}_norm_tmp', 'lon': f'lon{n}_norm_tmp'}),
+ how='left',
+ on=['zona', f'{i}_norm'])
+ etapas_agrupadas_zon.loc[etapas_agrupadas_zon[f'{poly_lst[n-1]}_norm'] == '',
+ f'lat{n}_norm'] = etapas_agrupadas_zon.loc[etapas_agrupadas_zon[f'{poly_lst[n-1]}_norm'] == '', f'lat{n}_norm_tmp']
+ etapas_agrupadas_zon.loc[etapas_agrupadas_zon[f'{poly_lst[n-1]}_norm'] == '',
+ f'lon{n}_norm'] = etapas_agrupadas_zon.loc[etapas_agrupadas_zon[f'{poly_lst[n-1]}_norm'] == '', f'lon{n}_norm_tmp']
+
+ etapas_agrupadas_zon = etapas_agrupadas_zon.drop(
+ [f'lat{n}_norm_tmp', f'lon{n}_norm_tmp'], axis=1)
+
+ if (n == 1) | (n == 4):
+ viajes_matrices = viajes_matrices.merge(zonificaciones[['zona', 'id', 'lat', 'lon']].rename(columns={'id': f'{i}', 'lat': f'lat{n}_tmp', 'lon': f'lon{n}_tmp'}),
+ how='left',
+ on=['zona', f'{i}'])
+ viajes_matrices.loc[viajes_matrices[f'{poly_lst[n-1]}'] == '',
+ f'lat{n}'] = viajes_matrices.loc[viajes_matrices[f'{poly_lst[n-1]}'] == '', f'lat{n}_tmp']
+ viajes_matrices.loc[viajes_matrices[f'{poly_lst[n-1]}'] == '',
+ f'lon{n}'] = viajes_matrices.loc[viajes_matrices[f'{poly_lst[n-1]}'] == '', f'lon{n}_tmp']
+ viajes_matrices = viajes_matrices.drop(
+ [f'lat{n}_tmp', f'lon{n}_tmp'], axis=1)
+
+ n += 1
+
+
+
+ # # Agrupar a nivel de mes y corregir factor de expansión
+ sum_viajes = etapas_agrupadas_zon.groupby(['dia',
+ 'mes',
+ 'tipo_dia',
+ 'zona'], as_index=False).factor_expansion_linea.sum().groupby(['mes',
+ 'tipo_dia',
+ 'zona'], as_index=False).factor_expansion_linea.mean().round()
+
+ aggregate_cols = ['mes',
+ 'tipo_dia',
+ 'id_polygon',
+ 'poly_inicio_norm',
+ 'poly_transfer1_norm',
+ 'poly_transfer2_norm',
+ 'poly_fin_norm',
+ 'zona',
+ 'inicio_norm',
+ 'transfer1_norm',
+ 'transfer2_norm',
+ 'fin_norm',
+ 'transferencia',
+ 'modo_agregado',
+ 'rango_hora',
+ 'genero',
+ 'tarifa',
+ 'coincidencias',
+ 'distancia', ]
+ weighted_mean_cols=['distance_osm_drive',
+ 'distance_osm_drive_etapas',
+ 'travel_time_min',
+ 'travel_speed',
+ 'lat1_norm',
+ 'lon1_norm',
+ 'lat2_norm',
+ 'lon2_norm',
+ 'lat3_norm',
+ 'lon3_norm',
+ 'lat4_norm',
+ 'lon4_norm']
+
+ etapas_agrupadas_zon = calculate_weighted_means(etapas_agrupadas_zon,
+ aggregate_cols=aggregate_cols,
+ weighted_mean_cols=weighted_mean_cols,
+ weight_col='factor_expansion_linea',
+ zero_to_nan=zero_to_nan,
+ var_fex_summed=False)
+
+
+ sum_viajes['factor_expansion_linea'] = 1 - (sum_viajes['factor_expansion_linea'] / etapas_agrupadas_zon.groupby(['mes', 'tipo_dia', 'zona'], as_index=False).factor_expansion_linea.sum().factor_expansion_linea )
+ sum_viajes = sum_viajes.rename(columns={'factor_expansion_linea':'factor_correccion'})
+
+ etapas_agrupadas_zon = etapas_agrupadas_zon.merge(sum_viajes)
+ etapas_agrupadas_zon['factor_expansion_linea2'] = etapas_agrupadas_zon['factor_expansion_linea'] * etapas_agrupadas_zon['factor_correccion']
+ etapas_agrupadas_zon['factor_expansion_linea2'] = etapas_agrupadas_zon['factor_expansion_linea'] - etapas_agrupadas_zon['factor_expansion_linea2']
+ etapas_agrupadas_zon = etapas_agrupadas_zon.drop(['factor_correccion', 'factor_expansion_linea'], axis=1)
+ etapas_agrupadas_zon = etapas_agrupadas_zon.rename(columns={'factor_expansion_linea2':'factor_expansion_linea'})
+
+ # # Agrupar a nivel de mes y corregir factor de expansión
+ sum_viajes = viajes_matrices.groupby(['dia', 'mes', 'tipo_dia', 'zona'], as_index=False).factor_expansion_linea.sum().groupby(['mes', 'tipo_dia', 'zona'], as_index=False).factor_expansion_linea.mean()
+
+ aggregate_cols = ['id_polygon',
+ 'poly_inicio',
+ 'poly_fin',
+ 'mes',
+ 'tipo_dia',
+ 'zona',
+ 'inicio',
+ 'fin',
+ 'transferencia',
+ 'modo_agregado',
+ 'rango_hora',
+ 'genero',
+ 'tarifa',
+ 'coincidencias',
+ 'distancia',
+ 'orden_origen',
+ 'orden_destino',
+ 'Origen',
+ 'Destino']
+ weighted_mean_cols = ['lat1',
+ 'lon1',
+ 'lat4',
+ 'lon4',
+ 'distance_osm_drive',
+ 'travel_time_min',
+ 'travel_speed',]
+ zero_to_nan = ['lat1',
+ 'lon1',
+ 'lat4',
+ 'lon4']
+
+ viajes_matrices = calculate_weighted_means(viajes_matrices,
+ aggregate_cols=aggregate_cols,
+ weighted_mean_cols=weighted_mean_cols,
+ weight_col='factor_expansion_linea',
+ zero_to_nan=zero_to_nan,
+ var_fex_summed=False)
+
+ sum_viajes['factor_expansion_linea'] = 1 - (sum_viajes['factor_expansion_linea'] / viajes_matrices.groupby(['mes', 'tipo_dia', 'zona'], as_index=False).factor_expansion_linea.sum().factor_expansion_linea )
+ sum_viajes = sum_viajes.rename(columns={'factor_expansion_linea':'factor_correccion'})
+
+ viajes_matrices = viajes_matrices.merge(sum_viajes)
+ viajes_matrices['factor_expansion_linea2'] = viajes_matrices['factor_expansion_linea'] * viajes_matrices['factor_correccion']
+ viajes_matrices['factor_expansion_linea2'] = viajes_matrices['factor_expansion_linea'] - viajes_matrices['factor_expansion_linea2']
+ viajes_matrices = viajes_matrices.drop(['factor_correccion', 'factor_expansion_linea'], axis=1)
+ viajes_matrices = viajes_matrices.rename(columns={'factor_expansion_linea2':'factor_expansion_linea'})
+
+ if len(poligonos[poligonos.tipo=='cuenca'])>0:
+
+ etapas_agrupadas_zon.loc[
+ etapas_agrupadas_zon.poly_inicio_norm.isin(
+ poligonos[poligonos.tipo=='cuenca'].id.unique()),
+ 'inicio_norm'] = etapas_agrupadas_zon.loc[
+ etapas_agrupadas_zon.poly_inicio_norm.isin(
+ poligonos[poligonos.tipo=='cuenca'].id.unique()), 'inicio_norm']+' (cuenca)'
+ etapas_agrupadas_zon.loc[
+ etapas_agrupadas_zon.poly_transfer1_norm.isin(
+ poligonos[poligonos.tipo=='cuenca'].id.unique()),
+ 'transfer1_norm'] = etapas_agrupadas_zon.loc[
+ etapas_agrupadas_zon.poly_transfer1_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'transfer1_norm']+' (cuenca)'
+ etapas_agrupadas_zon.loc[
+ etapas_agrupadas_zon.poly_transfer2_norm.isin(
+ poligonos[poligonos.tipo=='cuenca'].id.unique()),
+ 'transfer2_norm'] = etapas_agrupadas_zon.loc[etapas_agrupadas_zon.poly_transfer2_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'transfer2_norm']+' (cuenca)'
+ etapas_agrupadas_zon.loc[
+ etapas_agrupadas_zon.poly_fin_norm.isin(
+ poligonos[poligonos.tipo=='cuenca'].id.unique()),
+ 'fin_norm'] = etapas_agrupadas_zon.loc[etapas_agrupadas_zon.poly_fin_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'fin_norm']+' (cuenca)'
+ viajes_matrices.loc[
+ viajes_matrices.poly_inicio.isin(
+ poligonos[poligonos.tipo=='cuenca'].id.unique()),
+ 'Origen'] = viajes_matrices.loc[viajes_matrices.poly_inicio.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'Origen']+' (cuenca)'
+ viajes_matrices.loc[
+ viajes_matrices.poly_fin.isin(
+ poligonos[poligonos.tipo=='cuenca'].id.unique()),
+ 'Destino'] = viajes_matrices.loc[viajes_matrices.poly_fin.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'Destino']+' (cuenca)'
+ viajes_matrices.loc[
+ viajes_matrices.poly_inicio.isin(
+ poligonos[poligonos.tipo=='cuenca'].id.unique()),
+ 'inicio'] = viajes_matrices.loc[viajes_matrices.poly_inicio.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'inicio']+' (cuenca)'
+ viajes_matrices.loc[
+ viajes_matrices.poly_fin.isin(
+ poligonos[poligonos.tipo==
+ 'cuenca'].id.unique()), 'fin'] = viajes_matrices.loc[viajes_matrices.poly_fin.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'fin']+' (cuenca)'
+
+ etapas_agrupadas_zon = etapas_agrupadas_zon.fillna(0)
- sum_viajes['factor_expansion_linea'] = 1 - (sum_viajes['factor_expansion_linea'] / etapas_agrupadas_all.groupby(['mes', 'tipo_dia', 'zona'], as_index=False).factor_expansion_linea.sum().factor_expansion_linea )
- sum_viajes = sum_viajes.rename(columns={'factor_expansion_linea':'factor_correccion'})
-
- etapas_agrupadas_all = etapas_agrupadas_all.merge(sum_viajes)
- etapas_agrupadas_all['factor_expansion_linea2'] = etapas_agrupadas_all['factor_expansion_linea'] * etapas_agrupadas_all['factor_correccion']
- etapas_agrupadas_all['factor_expansion_linea2'] = etapas_agrupadas_all['factor_expansion_linea'] - etapas_agrupadas_all['factor_expansion_linea2']
- etapas_agrupadas_all = etapas_agrupadas_all.drop(['factor_correccion', 'factor_expansion_linea'], axis=1)
- etapas_agrupadas_all = etapas_agrupadas_all.rename(columns={'factor_expansion_linea2':'factor_expansion_linea'})
-
- # # Agrupar a nivel de mes y corregir factor de expansión
- sum_viajes = viajes_matrices.groupby(['dia', 'mes', 'tipo_dia', 'zona'], as_index=False).factor_expansion_linea.sum().groupby(['mes', 'tipo_dia', 'zona'], as_index=False).factor_expansion_linea.mean()
-
- aggregate_cols = ['id_polygon',
- 'poly_inicio',
- 'poly_fin',
- 'mes',
- 'tipo_dia',
- 'zona',
- 'inicio',
- 'fin',
- 'transferencia',
- 'modo_agregado',
- 'rango_hora',
- 'genero',
- 'tarifa',
- 'coincidencias',
- 'distancia',
- 'orden_origen',
- 'orden_destino',
- 'Origen',
- 'Destino']
- weighted_mean_cols = ['lat1',
- 'lon1',
- 'lat4',
- 'lon4',
- 'distance_osm_drive',
- 'travel_time_min',
- 'travel_speed',]
- zero_to_nan = ['lat1',
- 'lon1',
- 'lat4',
- 'lon4']
-
- viajes_matrices = calculate_weighted_means(viajes_matrices,
- aggregate_cols=aggregate_cols,
- weighted_mean_cols=weighted_mean_cols,
- weight_col='factor_expansion_linea',
- zero_to_nan=zero_to_nan,
- var_fex_summed=False)
-
- sum_viajes['factor_expansion_linea'] = 1 - (sum_viajes['factor_expansion_linea'] / viajes_matrices.groupby(['mes', 'tipo_dia', 'zona'], as_index=False).factor_expansion_linea.sum().factor_expansion_linea )
- sum_viajes = sum_viajes.rename(columns={'factor_expansion_linea':'factor_correccion'})
-
- viajes_matrices = viajes_matrices.merge(sum_viajes)
- viajes_matrices['factor_expansion_linea2'] = viajes_matrices['factor_expansion_linea'] * viajes_matrices['factor_correccion']
- viajes_matrices['factor_expansion_linea2'] = viajes_matrices['factor_expansion_linea'] - viajes_matrices['factor_expansion_linea2']
- viajes_matrices = viajes_matrices.drop(['factor_correccion', 'factor_expansion_linea'], axis=1)
- viajes_matrices = viajes_matrices.rename(columns={'factor_expansion_linea2':'factor_expansion_linea'})
-
- if id_polygon == 'NONE':
- etapas_agrupadas_all = etapas_agrupadas_all.drop(['id_polygon',
- 'poly_inicio_norm',
- 'poly_transfer1_norm',
- 'poly_transfer2_norm',
- 'poly_fin_norm'], axis=1)
-
- viajes_matrices = viajes_matrices.drop(
- ['poly_inicio',
- 'poly_fin'], axis=1)
+ if id_polygon == 'NONE':
+
+ etapas_agrupadas_zon = etapas_agrupadas_zon.drop(['id_polygon',
+ 'poly_inicio_norm',
+ 'poly_transfer1_norm',
+ 'poly_transfer2_norm',
+ 'poly_fin_norm'], axis=1)
- if len(poligonos[poligonos.tipo=='cuenca'])>0:
-
- etapas_agrupadas_all.loc[etapas_agrupadas_all.poly_inicio_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'inicio_norm'] = etapas_agrupadas_all.loc[etapas_agrupadas_all.poly_inicio_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'inicio_norm']+' (cuenca)'
- etapas_agrupadas_all.loc[etapas_agrupadas_all.poly_transfer1_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'transfer1_norm'] = etapas_agrupadas_all.loc[etapas_agrupadas_all.poly_transfer1_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'transfer1_norm']+' (cuenca)'
- etapas_agrupadas_all.loc[etapas_agrupadas_all.poly_transfer2_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'transfer2_norm'] = etapas_agrupadas_all.loc[etapas_agrupadas_all.poly_transfer2_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'transfer2_norm']+' (cuenca)'
- etapas_agrupadas_all.loc[etapas_agrupadas_all.poly_fin_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'fin_norm'] = etapas_agrupadas_all.loc[etapas_agrupadas_all.poly_fin_norm.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'fin_norm']+' (cuenca)'
- viajes_matrices.loc[viajes_matrices.poly_inicio.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'Origen'] = viajes_matrices.loc[viajes_matrices.poly_inicio.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'Origen']+' (cuenca)'
- viajes_matrices.loc[viajes_matrices.poly_fin.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'Destino'] = viajes_matrices.loc[viajes_matrices.poly_fin.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'Destino']+' (cuenca)'
- viajes_matrices.loc[viajes_matrices.poly_inicio.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'inicio'] = viajes_matrices.loc[viajes_matrices.poly_inicio.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'inicio']+' (cuenca)'
- viajes_matrices.loc[viajes_matrices.poly_fin.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'fin'] = viajes_matrices.loc[viajes_matrices.poly_fin.isin(poligonos[poligonos.tipo=='cuenca'].id.unique()), 'fin']+' (cuenca)'
-
- return etapas_agrupadas_all, etapas_sin_agrupar, viajes_matrices, zonificaciones
+ viajes_matrices = viajes_matrices.drop(
+ ['poly_inicio',
+ 'poly_fin'], axis=1)
+
+ guardar_tabla_sql(etapas_agrupadas_zon,
+ 'agg_etapas',
+ 'dash',
+ {'mes': etapas_agrupadas_zon.mes.unique().tolist(),
+ 'zona': etapas_agrupadas_zon.zona.unique().tolist()})
+
+ guardar_tabla_sql(viajes_matrices,
+ 'agg_matrices',
+ 'dash',
+ {'mes': viajes_matrices.mes.unique().tolist(),
+ 'zona': viajes_matrices.zona.unique().tolist()})
+ else:
+ guardar_tabla_sql(etapas_agrupadas_zon,
+ 'poly_etapas',
+ 'dash',
+ {'mes': etapas_agrupadas_zon.mes.unique().tolist(),
+ 'zona': etapas_agrupadas_zon.zona.unique().tolist(),
+ 'id_polygon': etapas_agrupadas_zon.id_polygon.unique().tolist()})
+
+ guardar_tabla_sql(viajes_matrices,
+ 'poly_matrices',
+ 'dash',
+ {'mes': viajes_matrices.mes.unique().tolist(),
+ 'zona': viajes_matrices.zona.unique().tolist(),
+ 'id_polygon': viajes_matrices.id_polygon.unique().tolist()})
+
+
+### return etapas_agrupadas_zon, viajes_matrices, zonificaciones
def proceso_poligonos(check_configs=True):
@@ -1420,22 +1486,20 @@ def proceso_poligonos(check_configs=True):
etapas_selec, viajes_selec, polygons, polygons_h3 = select_cases_from_polygons(
etapas[etapas.od_validado == 1], viajes[viajes.od_validado == 1], poligonos, res=res)
- etapas_agrupadas, etapas_sin_agrupar, viajes_matrices, zonificaciones = preparo_lineas_deseo(
- etapas_selec, viajes_selec, polygons_h3, poligonos=poligonos, res=[6])
+ preparo_lineas_deseo(etapas_selec, viajes_selec, polygons_h3, poligonos=poligonos, res=[6])
indicadores = construyo_indicadores(viajes_selec, poligonos=True)
- etapas_agrupadas = etapas_agrupadas.fillna(0)
- guardar_tabla_sql(etapas_agrupadas,
- 'poly_etapas',
- 'dash',
- {'mes': etapas_agrupadas.mes.unique().tolist()})
+ ## guardar_tabla_sql(etapas_agrupadas,
+ ## 'poly_etapas',
+ ## 'dash',
+ ## {'mes': etapas_agrupadas.mes.unique().tolist()})
- guardar_tabla_sql(viajes_matrices,
- 'poly_matrices',
- 'dash',
- {'mes': viajes_matrices.mes.unique().tolist()})
+ ## guardar_tabla_sql(viajes_matrices,
+ ## 'poly_matrices',
+ ## 'dash',
+ ## {'mes': viajes_matrices.mes.unique().tolist()})
guardar_tabla_sql(indicadores,
'poly_indicadores',
@@ -1457,8 +1521,7 @@ def proceso_lineas_deseo(check_configs=False):
etapas, viajes = load_and_process_data()
- etapas_agrupadas, etapas_sin_agrupar, viajes_matrices, zonificaciones = preparo_lineas_deseo(
- etapas, viajes, res=[6])
+ preparo_lineas_deseo(etapas, viajes, res=[6])
indicadores = construyo_indicadores(viajes, poligonos=False)
@@ -1466,16 +1529,16 @@ def proceso_lineas_deseo(check_configs=False):
print('Guardo datos para dashboard')
- etapas_agrupadas = etapas_agrupadas.fillna(0)
- guardar_tabla_sql(etapas_agrupadas,
- 'agg_etapas',
- 'dash',
- {'mes': etapas_agrupadas.mes.unique().tolist()})
+ ## guardar_tabla_sql(etapas_agrupadas,
+ ## 'agg_etapas',
+ ## 'dash',
+ ## {'mes': etapas_agrupadas.mes.unique().tolist()})
+
+ ## guardar_tabla_sql(viajes_matrices,
+ ## 'agg_matrices',
+ ## 'dash',
+ ## {'mes': viajes_matrices.mes.unique().tolist()})
- guardar_tabla_sql(viajes_matrices,
- 'agg_matrices',
- 'dash',
- {'mes': viajes_matrices.mes.unique().tolist()})
guardar_tabla_sql(indicadores,
'agg_indicadores',
'dash',
@@ -1486,7 +1549,7 @@ def proceso_lineas_deseo(check_configs=False):
'dash',
{'mes': socio_indicadores.mes.unique().tolist()})
- e_agg, v_agg = preparo_etapas_agregadas(etapas, viajes)
+ e_agg, v_agg, transfers = preparo_etapas_agregadas(etapas, viajes)
guardar_tabla_sql(e_agg,
'etapas_agregadas',
'dash',
@@ -1497,4 +1560,9 @@ def proceso_lineas_deseo(check_configs=False):
'dash',
{'mes': v_agg.mes.unique().tolist()})
+ guardar_tabla_sql(transfers,
+ 'transferencias_agregadas',
+ 'dash',
+ {'mes': v_agg.mes.unique().tolist()})
+
imprimo_matrices_od()