-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathcalculo_distancia.py
158 lines (112 loc) · 5.83 KB
/
calculo_distancia.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
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Mon Apr 10 15:45:00 2023
@author: ladsin
"""
import math
import glob
import pandas as pd
import numpy as np
from collections import OrderedDict
def calcular_distancia(lat1, lon1, lat2, lon2):
# Converter graus para radianos
lat1, lon1, lat2, lon2 = map(math.radians, [lat1, lon1, lat2, lon2])
# Raio médio da Terra em km
raio = 6371
# Diferenças de latitude e longitude
dlat = lat2 - lat1
dlon = lon2 - lon1
# Fórmula de Haversine
a = math.sin(dlat/2)**2 + math.cos(lat1) * math.cos(lat2) * math.sin(dlon/2)**2
c = 2 * math.asin(math.sqrt(a))
# Distância em km
distancia = round(raio * c, 2)
return distancia
# dataset
rodada = glob.glob("/media/bjerknes/HD_todo_pod/Everson/Coqueiro/CENPES/DADOS/Yakecan/Planilhas_normalizadas/Rodadas/*.csv")
rodada.sort(reverse=True)
referencia = pd.read_csv('/media/bjerknes/HD_todo_pod/Everson/Coqueiro/CENPES/DADOS/Yakecan/Planilhas_normalizadas/Analise/analise_era5.csv')
ref_count = len(referencia['N_do_Ciclone'])
# Hora de previsao
hf= 0
# Nova planilha
columns = []
index = []
df = pd.DataFrame()
for i in range(len(rodada[:11])):
comparacao = pd.read_csv(rodada[i])
comp_count = len(comparacao['N_do_Ciclone'])
if comp_count > ref_count:
for k in range(len(comparacao[:ref_count])):
distancia = calcular_distancia(comparacao['Latitude'][k], comparacao['Longitude'][k], referencia['Latitude'][k], referencia['Longitude'][k])
distancia = round(distancia, 2)
nome = rodada[i].split('/')
rodada_nome = nome[-1].split('.')[0]
data_comp = referencia['Data'][k].split('"')[1]
nome_comp = rodada_nome + '/' + data_comp
data_ref = referencia['Data'][k].split('"')[1]
nome_ref = 'analise ERA5' + '/' + data_ref
hora_dia = comparacao['Data'][k].split(' ')[2].split(':')[0] + 'Z' + comparacao['Data'][k].split(' ')[1].split('"')[1].split('-')[2] + comparacao['Data'][k].split(' ')[1].split('"')[1].split('-')[1]
index.append(hora_dia)
# columns.append(f'{hf}h')
# print("Distância entre {} e {}:".format(nome_ref,nome_comp), distancia, "km")
else:
for l in range(len(comparacao[:comp_count])):
distancia = calcular_distancia(comparacao['Latitude'][l], comparacao['Longitude'][l], referencia['Latitude'][l], referencia['Longitude'][l])
distancia = round(distancia, 2)
nome = rodada[i].split('/')
rodada_nome = nome[-1].split('.')[0]
data_comp = referencia['Data'][l].split('"')[1]
nome_comp = rodada_nome + '/' + data_comp
data_ref = referencia['Data'][l].split('"')[1]
nome_ref = 'analise ERA5' + '/' + data_ref
# print("Distância entre {} e {}:".format(nome_ref,nome_comp), distancia, "km")
data = comparacao['Data'][l].split(' ')[1].split('"')[1].split('-')[2] + comparacao['Data'][l].split(' ')[1].split('"')[1].split('-')[1]
hora_dia = comparacao['Data'][l].split(' ')[2].split(':')[0] + 'Z' + data
index.append(hora_dia)
columns.append(f'{hf}h')
hf +=24
print(index)
valores_1705 = set([valor for valor in index if valor.endswith(data)])
index_sorted = sorted(list(set(index)))
df = pd.DataFrame(columns,index)
print(df)
# hora_dict = {}
# for i in range(len(rodada[:11])):
# comparacao = pd.read_csv(rodada[i])
# comp_count = len(comparacao['N_do_Ciclone'])
# if comp_count > ref_count:
# for k in range(len(comparacao[:ref_count])):
# hora_dia = comparacao['Data'][k].split(' ')[2].split(':')[0] + 'Z' + comparacao['Data'][k].split(' ')[1].split('"')[1].split('-')[2] + comparacao['Data'][k].split(' ')[1].split('"')[1].split('-')[1]
# if hora_dia not in hora_dict.values():
# for l, col in enumerate(columns):
# if col.endswith('h'):
# hora_dict.setdefault(col, [])
# hora_dict[col].append(hora_dia)
# else:
# for l in range(len(comparacao[:comp_count])):
# hora_dia = comparacao['Data'][l].split(' ')[2].split(':')[0] + 'Z' + comparacao['Data'][l].split(' ')[1].split('"')[1].split('-')[2] + comparacao['Data'][l].split(' ')[1].split('"')[1].split('-')[1]
# if hora_dia not in hora_dict.values():
# for m, col in enumerate(columns):
# if col.endswith('h'):
# hora_dict.setdefault(col, [])
# hora_dict[col].append(hora_dia)
# d_list = []
# d_list.append(distancia)
# distancia.append()
# data = {f'{hf}h': [distancia, 2, 3],
# 'Coluna 2': [4, 5, 6],
# 'Coluna 3': [7, 8, 9]}
# df = pd.DataFrame(data, index=['Linha 1', 'Linha 2', 'Linha 3'])
# for j in range(len(referencia['Data'])):
# nome = rodada[i].split('/')
# rodada_nome = nome[-1].split('.')[0]
# data_comp = referencia['Data'][j].split('"')[1]
# nome_comp = rodada_nome + '/' + data_comp
# data_ref = referencia['Data'][j].split('"')[1]
# nome_ref = 'analise ERA5' + '/' + data_ref
# distancia = calcular_distancia(comparacao['Latitude'][j], comparacao['Longitude'][j], referencia['Latitude'][j], referencia['Longitude'][j])
# distancia = round(distancia, 2)
# print("Distância entre {} e {}:".format(nome_ref,nome_comp), distancia, "km")
# print(distancia)