mudaças pré formatação do pc
This commit is contained in:
João Herculano
@@ -0,0 +1,78 @@
|
||||
import pandas as pd
|
||||
import os
|
||||
|
||||
# === AJUSTE AQUI CONFORME O NOME REAL DA PASTA ===
|
||||
pasta_entrada = r"C:\Users\andressa.rocha\OneDrive - GRUPO GINSENG\2025\CONSULTA_ESTOQUE"
|
||||
pasta_saida = r"C:\Users\andressa.rocha\OneDrive - GRUPO GINSENG\2025\SUPRIMENTOS\ANALISE_ESTOQUE\ESTOQUE_UNIFICADO"
|
||||
|
||||
# Cria a pasta de saída se ela não existir
|
||||
os.makedirs(pasta_saida, exist_ok=True)
|
||||
|
||||
# Verifica se a pasta de entrada existe
|
||||
if not os.path.exists(pasta_entrada):
|
||||
raise FileNotFoundError(f"A pasta de entrada não foi encontrada: {pasta_entrada}")
|
||||
|
||||
# Lista todas as subpastas dentro da pasta de entrada
|
||||
subpastas = [os.path.join(pasta_entrada, d) for d in os.listdir(pasta_entrada) if os.path.isdir(os.path.join(pasta_entrada, d))]
|
||||
|
||||
df_list = []
|
||||
|
||||
for subpasta in subpastas:
|
||||
arquivos = [f for f in os.listdir(subpasta) if f.endswith(".csv")]
|
||||
nome_pasta = os.path.basename(subpasta)
|
||||
|
||||
# Extração da data a partir do nome da pasta (última parte, 8 primeiros dígitos)
|
||||
try:
|
||||
parte_final = nome_pasta.split('_')[-1] # ex: '20250627090744'
|
||||
data_estoque = pd.to_datetime(parte_final[:8], format="%Y%m%d", errors='coerce') # ex: '20250627'
|
||||
except Exception as e:
|
||||
print(f"Erro ao extrair data da pasta '{nome_pasta}': {e}")
|
||||
data_estoque = pd.NaT
|
||||
|
||||
print(f"Data extraída da pasta '{nome_pasta}': {data_estoque}")
|
||||
|
||||
for arquivo in arquivos:
|
||||
caminho_arquivo = os.path.join(subpasta, arquivo)
|
||||
try:
|
||||
df = pd.read_csv(caminho_arquivo, encoding="utf-8", low_memory=False)
|
||||
df["Arquivo_Origem"] = arquivo
|
||||
df["Pasta_Origem"] = nome_pasta
|
||||
df["data_estoque"] = data_estoque
|
||||
df_list.append(df)
|
||||
except Exception as e:
|
||||
print(f"Erro ao ler o arquivo {arquivo}: {e}")
|
||||
|
||||
# Unifica todos os arquivos
|
||||
if df_list:
|
||||
df_final = pd.concat(df_list, ignore_index=True)
|
||||
|
||||
print("\nColunas disponíveis:", df_final.columns.tolist())
|
||||
|
||||
# Confirma se a coluna de data foi criada corretamente
|
||||
if "data_estoque" not in df_final.columns:
|
||||
raise ValueError("A coluna 'data_estoque' não foi encontrada nos dados.")
|
||||
|
||||
# Garante que está no formato datetime e remove registros sem data
|
||||
df_final["data_estoque"] = pd.to_datetime(df_final["data_estoque"], errors="coerce")
|
||||
df_final = df_final.dropna(subset=["data_estoque"])
|
||||
|
||||
# Agrupa por ano e mês
|
||||
df_final["AnoMes"] = df_final["data_estoque"].dt.to_period("M")
|
||||
|
||||
# Identifica a 1ª e a última data de cada mês
|
||||
datas_extremas = df_final.groupby("AnoMes")["data_estoque"].agg(["min", "max"]).reset_index()
|
||||
datas_extremas = datas_extremas.melt(id_vars="AnoMes", value_name="data_estoque").drop(columns="variable")
|
||||
|
||||
# Mantém apenas registros das datas mínima e máxima
|
||||
df_filtrado = df_final.merge(datas_extremas, on=["AnoMes", "data_estoque"], how="inner")
|
||||
|
||||
# Salva o arquivo final em CSV
|
||||
caminho_saida_csv = os.path.join(pasta_saida, "ESTOQUE_UNIFICADO_FILTRADO.csv")
|
||||
df_filtrado.to_csv(caminho_saida_csv, index=False, encoding="utf-8")
|
||||
|
||||
# Salva o arquivo final em Parquet
|
||||
caminho_saida_parquet = os.path.join(pasta_saida, "ESTOQUE_UNIFICADO_FILTRADO.parquet")
|
||||
df_filtrado.to_parquet(caminho_saida_parquet, index=False)
|
||||
|
||||
print(f"\n✅ Arquivo unificado e filtrado salvo com sucesso em:\n{caminho_saida_csv}")
|
||||
print(f"✅ Arquivo também salvo no formato Parquet em:\n{caminho_saida_parquet}")
|
||||
@@ -0,0 +1,44 @@
|
||||
import pandas as pd
|
||||
import os
|
||||
|
||||
# Caminho onde estão as subpastas com os arquivos CSV
|
||||
pasta_entrada = r"C:\Users\andressa.rocha\OneDrive - GRUPO GINSENG\2025\SUPRIMENTOS\ANALISE ESTOQUE\ESTOQUE"
|
||||
|
||||
# Caminho da pasta de saída
|
||||
pasta_saida = r"C:\Users\andressa.rocha\OneDrive - GRUPO GINSENG\2025\SUPRIMENTOS\ANALISE ESTOQUE\ESTOQUE_UNIFICADO"
|
||||
|
||||
# Garante que a pasta de saída existe
|
||||
os.makedirs(pasta_saida, exist_ok=True)
|
||||
|
||||
# Lista todas as subpastas dentro de "ESTOQUE"
|
||||
subpastas = [os.path.join(pasta_entrada, d) for d in os.listdir(pasta_entrada) if os.path.isdir(os.path.join(pasta_entrada, d))]
|
||||
|
||||
df_list = []
|
||||
|
||||
# Percorre todas as subpastas
|
||||
for subpasta in subpastas:
|
||||
arquivos = [f for f in os.listdir(subpasta) if f.endswith(".csv")]
|
||||
nome_pasta = os.path.basename(subpasta) # Obtém o nome da pasta
|
||||
|
||||
for arquivo in arquivos:
|
||||
caminho_arquivo = os.path.join(subpasta, arquivo)
|
||||
try:
|
||||
df = pd.read_csv(caminho_arquivo, encoding="utf-8", low_memory=False) # Melhor para grandes volumes de dados
|
||||
df["Arquivo_Origem"] = arquivo # Adiciona o nome do arquivo de origem
|
||||
df["Pasta_Origem"] = nome_pasta # Adiciona o nome da pasta de origem
|
||||
df_list.append(df)
|
||||
except Exception as e:
|
||||
print(f"Erro ao ler o arquivo {arquivo}: {e}")
|
||||
|
||||
if df_list:
|
||||
df_final = pd.concat(df_list, ignore_index=True)
|
||||
|
||||
# Caminho do arquivo unificado na pasta de saída
|
||||
caminho_saida = os.path.join(pasta_saida, "ESTOQUE_UNIFICADO.csv")
|
||||
df_final.to_csv(caminho_saida, index=False, encoding="utf-8")
|
||||
|
||||
print(f"Arquivo unificado salvo em: {caminho_saida}")
|
||||
else:
|
||||
print("Nenhum arquivo pôde ser processado.")
|
||||
|
||||
|
||||
@@ -0,0 +1,70 @@
|
||||
import pandas as pd
|
||||
import os
|
||||
|
||||
def extrair_vendas(data_ini: int, data_fim: int, token: str, pasta_destino: str):
|
||||
"""
|
||||
Extrai vendas da API com base no período especificado e salva no formato Parquet.
|
||||
|
||||
Parâmetros:
|
||||
data_ini (int): Timestamp inicial (milissegundos desde 1970-01-01).
|
||||
data_fim (int): Timestamp final (milissegundos desde 1970-01-01).
|
||||
token (str): Bearer token para autenticação.
|
||||
pasta_destino (str): Diretório onde o arquivo Parquet será salvo.
|
||||
"""
|
||||
|
||||
url = "https://api.conexaonfe.com.br/v1/relatorios"
|
||||
headers = {"Authorization": f"Bearer {token}", "Content-Type": "application/json"}
|
||||
|
||||
payload = {
|
||||
"ids": [],
|
||||
"entidade": "NFCE_EMITIDA_RELATORIO",
|
||||
"tipo": "normal",
|
||||
"dataIni": data_ini,
|
||||
"dataFim": data_fim,
|
||||
"destinatarios": [],
|
||||
"erpAtualizado": None,
|
||||
"estabs": [],
|
||||
"filialClientes": None,
|
||||
"informacoesNoRelatorio": "AVANCADO_E_ITENS",
|
||||
"nomArqDownload": "",
|
||||
"statusEmitida": None,
|
||||
"tags": [],
|
||||
"tipoDataConsiderar": "DATA_EMISSAO",
|
||||
"tipoFiltroMarcador": "CONTEM",
|
||||
"tipoNota": None,
|
||||
"valorAte": None,
|
||||
"valorDe": None
|
||||
}
|
||||
|
||||
try:
|
||||
response = requests.post(url, headers=headers, json=payload, timeout=30)
|
||||
|
||||
if response.status_code == 200:
|
||||
dados_vendas = response.json()
|
||||
|
||||
if not dados_vendas:
|
||||
print("⚠️ Nenhuma venda encontrada no período.")
|
||||
return
|
||||
|
||||
os.makedirs(pasta_destino, exist_ok=True) # Criar a pasta, se não existir
|
||||
|
||||
df = pd.DataFrame(dados_vendas)
|
||||
arquivo_parquet = os.path.join(pasta_destino, f"vendas_{data_ini}_{data_fim}.parquet")
|
||||
|
||||
df.to_parquet(arquivo_parquet, index=False)
|
||||
print(f"✅ Vendas extraídas e salvas em: {arquivo_parquet}")
|
||||
|
||||
else:
|
||||
print(f"❌ Erro {response.status_code}: {response.text}")
|
||||
|
||||
except requests.exceptions.RequestException as e:
|
||||
print(f"⚠️ Erro de conexão: {e}")
|
||||
|
||||
# 🔽 Exemplo de Uso
|
||||
token = "SEU_BEARER_TOKEN"
|
||||
data_ini = 1740798000000 # Substituir pelo timestamp correto
|
||||
data_fim = 1743390000000 # Substituir pelo timestamp correto
|
||||
pasta_destino = r"C:\Users\andressa.rocha\Documents\HITORICO_VENDAS"
|
||||
|
||||
extrair_vendas(data_ini, data_fim, token, pasta_destino)
|
||||
|
||||
Reference in New Issue
Block a user