publicando mudanças

relatorio_ruptura/ruptura_projetada.py

@@ -0,0 +1,298 @@
+import smtplib
+import ssl
+import pyodbc
+import configparser
+import numpy as np
+import pandas as pd
+import seaborn as sns
+import matplotlib.pyplot as plt
+import matplotlib.dates as mdates
+from email.message import EmailMessage
+from email.utils import make_msgid
+from pathlib import Path
+from datetime import datetime, time
+
+
+from email.mime.image import MIMEImage
+
+hoje = datetime.today().strftime("%d/%m/%Y")
+
+
+config = configparser.ConfigParser()
+config.read(r"C:\Users\joao.herculano\Documents\Enviador de email\credenciais.ini")
+
+conn = pyodbc.connect(
+    f"DRIVER={{SQL Server}};"
+    f"SERVER={config['banco']['host']},1433;"
+    f"DATABASE=GINSENG;"
+    f"UID={config['banco']['user']};"
+    f"PWD={config['banco']['password']}"
+)
+
+calendario = pd.read_excel(r"C:\Users\joao.herculano\GRUPO GINSENG\Assistência Suprimentos - 2025\SUPRIMENTOS\BD_LANÇAMENTOS\BASE DE DADOS LANÇAMENTO\BOT\CICLO 9\CALENDARIO_CICLO\Ciclo_Expandido_com_Datas.xlsx")
+calendario.columns = calendario.columns.str.lower()
+calendario['date'] = pd.to_datetime(calendario['date'])
+today = pd.Timestamp("today").normalize()
+calendario = calendario[calendario['marca'] == "BOTICARIO"]
+calendario['num_ciclo'] = calendario['ciclo'].str[-2:].astype(int)
+calendario['ano_ciclo'] = calendario['ciclo'].str[0:5]
+calendario['ciclomais2'] = calendario['ano_ciclo'].astype(str) + (calendario['num_ciclo'] + 0).astype(str).str.zfill(2)
+ciclo_mais2 = calendario[calendario['date'].dt.normalize() == today]['ciclomais2'].iloc[0]
+filtered_calendario = calendario[calendario['ciclo'] == ciclo_mais2][:1].copy()
+filtered_calendario['dias_ate_fim'] = (filtered_calendario['fim ciclo'].iloc[0] - today).days
+print(filtered_calendario[['duração', 'dias_ate_fim']])
+
+query = '''
+SELECT 
+  businessunit AS marca,
+  codcategory AS categoria,
+  loja_id AS pdv,
+  code AS sku,
+  description AS descricao_produto,
+  salescurve AS curva,
+  CASE WHEN promotions_description IS NULL THEN 'REGULAR' ELSE 'PROMOÇÃO' END AS tipo_promocao,
+  COALESCE(stock_actual, 0) AS estoque,
+  stock_intransit AS transito,
+  pendingorder AS pendente,
+  nextcycleprojection AS pv_mar,
+  currentcyclesales AS venda_atual,
+  CASE WHEN criticalitem_iscritical = 0 THEN 'REGULAR' ELSE 'CRITICO' END AS status_item,
+  ( COALESCE(thirdtolastcyclesales, 0) +
+    COALESCE(secondtolastcyclesales, 0) +
+    COALESCE(lastcyclesales, 0) +
+    COALESCE(nextcycleprojection, 0)
+  ) / 4.0 AS media_vendas
+FROM Draft
+WHERE isproductdeactivated = 0 AND codcategory NOT IN ('SUPORTE A VENDA','EMBALAGENS') 
+'''
+df = pd.read_sql(query, conn)
+conn.close()
+df.columns = df.columns.str.lower()
+
+filtered_calendario.columns = filtered_calendario.columns.str.lower()
+df['ddv'] = df['pv_mar'] / filtered_calendario['duração'].values[0]
+df['estoque_seguranca'] = np.ceil((df['media_vendas']/20)*14 - (df['ddv']*14)).astype(int) #media de vendas realizada+projetada
+df['estoque_seguranca'] = np.where(df['estoque_seguranca'] <1,1,df['estoque_seguranca'])
+df['risco_ruptura'] = np.where(df['estoque_seguranca'] > df['estoque'], "SIM", "NÃO")
+df['quantidade_ruptura'] = df['estoque_seguranca'] - df['estoque']
+df['excesso'] = np.where(df['estoque'] - df['estoque_seguranca'] > 0, df['estoque'] - df['estoque_seguranca'], 0) 
+
+remetente = config['credenciais']['remetente']
+senha = config['credenciais']['senha']
+destinatarios = [email.strip() for email in config['email_ruptura']['destinatarios'].split(',')]
+assunto = config['email_ruptura']['assunto']
+
+df_rpt = pd.read_excel(r"C:\Users\joao.herculano\Downloads\Ruptura Cliente CP GINSENG - 09.06.xlsx")
+df_rpt.columns = df_rpt.columns.str.lower()
+
+
+df['pdv'] = df['pdv'].astype('Int64')
+df['sku'] = df['sku'].astype('Int64')
+
+df_rpt['cod_pdv'] = df_rpt['cod_pdv'].astype('Int64')
+df_rpt['sku1'] = df_rpt['sku1'].astype('Int64')
+
+df = pd.merge(df, df_rpt[['sku1','cod_pdv','estoque livre?']], left_on=['pdv','sku'], right_on=['cod_pdv','sku1'], how='left')
+df.drop(columns=['cod_pdv'], inplace=True)
+
+pdvs = pd.read_excel(r"C:\Users\joao.herculano\Documents\PDV_ATT.xlsx")
+pdvs.columns = pdvs.columns.str.lower()
+df['pdv'] = df['pdv'].astype('Int64')
+pdvs['pdv'] = pdvs['pdv'].astype('Int64')
+df2 = pd.merge(df, pdvs[['pdv','uf','canal','analista']], on='pdv', how='inner')
+
+idx = df2.groupby(['uf', 'sku'])['excesso'].idxmax()
+pdvs_maior_excesso = df2.loc[idx, ['uf', 'sku', 'pdv', 'excesso']].copy()
+pdvs_maior_excesso.columns = ['uf', 'sku', 'pdv_maior_excesso', 'maior_excesso_por_uf']
+pdvs_maior_excesso.set_index(['uf', 'sku'], inplace=True)
+df2 = df2.join(pdvs_maior_excesso, on=['uf', 'sku'])
+df2['maior excesso na uf'] = df2['maior_excesso_por_uf'].apply(lambda x: 'não tem excesso no uf' if x == 0 else None)
+df2['maior excesso na uf'] = df2['maior excesso na uf'].combine_first(df2['pdv_maior_excesso'])
+df2['quantidade_ruptura'] = df2['quantidade_ruptura'].clip(lower=0)
+
+df2.drop(columns=['pdv_maior_excesso','sku1'], inplace=True)
+
+df2['estoque livre?'] = np.where(
+    df2['estoque livre?'].isna() & (df2['status_item'] == 'CRITICO'),
+    'Não',
+    df2['estoque livre?']
+)
+
+df2['estoque livre?'] = np.where(
+    df2['estoque livre?'].isna() & (df2['status_item'] == 'REGULAR'),
+    'Sim',
+    df2['estoque livre?']
+)
+
+excel_path = Path("relatorio.xlsx")
+
+colunas_ordenadas = [
+    'uf',
+    'canal',
+    'analista',
+    'marca',
+    'categoria',
+    'pdv',
+    'sku',
+    'descricao_produto',
+    'curva',
+    'tipo_promocao',
+    'estoque',
+    'transito',
+    'pendente',
+    'pv_mar',
+    'venda_atual',
+    'status_item',
+    'ddv',
+    'estoque_seguranca',
+    'risco_ruptura',
+    'quantidade_ruptura',
+    'excesso',
+    'estoque livre?',
+    'maior_excesso_por_uf',
+    'maior excesso na uf'
+]
+
+df2 = df2[colunas_ordenadas]
+
+df3 = df2[df2['canal'] != "LJ"]
+
+df3 = df3.groupby(['uf', 'canal','pdv'])['quantidade_ruptura'].sum().sort_values(ascending=False).reset_index()
+
+df4 = df3.groupby('uf', as_index=False)['quantidade_ruptura'].sum()
+
+df4['data'] = hoje
+
+df4['data'] = pd.to_datetime(df4['data'], dayfirst=True)
+  
+path2 = r'C:\Users\joao.herculano\OneDrive - GRUPO GINSENG\Documentos\acompanhamentos\estudo ruptura\AcompanhamentoRuptura.xlsx'
+
+# Tenta abrir e escrever com append
+with pd.ExcelWriter(path2, mode='a', engine='openpyxl', if_sheet_exists='overlay') as writer:
+    # Encontra a última linha preenchida
+    book = writer.book
+    sheet = writer.sheets['Sheet1'] if 'Sheet1' in writer.sheets else writer.book.active
+    start_row = sheet.max_row
+
+    # Escreve sem cabeçalho se não for a primeira linha
+    df4.to_excel(writer, index=False, header=not start_row > 1, startrow=start_row)
+
+de_effi = pd.read_excel(r"C:\Users\joao.herculano\OneDrive - GRUPO GINSENG\Documentos\acompanhamentos\estudo ruptura\AcompanhamentoRuptura.xlsx")
+
+de_effi['data'] = pd.to_datetime(de_effi['data'], errors='coerce')
+
+# Step 2: Group and sort
+grouped = (
+    de_effi.groupby('data')['quantidade_ruptura']
+    .sum()
+    .sort_index()
+)
+
+# Step 3: Plot
+plt.figure(figsize=(12, 6))
+plt.plot(grouped.index, grouped.values, marker='o', linestyle='-', color='cornflowerblue', linewidth=2)
+
+# Step 4: Format numbers with dot ('.') separator, no decimals
+for x, y in zip(grouped.index, grouped.values):
+    label = f"{y:,.0f}".replace(",", ".")  # format like 75.063
+    plt.text(x, y + max(grouped.values) * 0.015, label, ha='center', fontsize=9)
+
+# Step 5: Format chart
+plt.title('Evolução de Quantidade de Ruptura por Data', fontsize=14)
+plt.xlabel('Data', fontsize=8)
+plt.ylabel('Quantidade de Ruptura', fontsize=12)
+plt.grid(True, linestyle='--', alpha=0.6)
+
+# ✅ Set xticks to match the actual data points
+ax = plt.gca()
+ax.set_xticks(grouped.index)
+ax.xaxis.set_major_formatter(mdates.DateFormatter('%d/%m/%Y'))
+plt.xticks(rotation=45)
+
+# Format x-axis as dd/mm/yyyy
+plt.gca().set_xticklabels([d.strftime('%d/%m/%Y') for d in grouped.index])
+plt.tight_layout()
+plt.savefig("grafico2.png")
+plt.close()
+
+with pd.ExcelWriter(excel_path, engine='openpyxl') as writer:
+    df2.to_excel(writer, sheet_name='Detalhado', index=False)
+    df3.to_excel(writer, sheet_name='Resumo', index=False)
+
+ruptura_total = df2['quantidade_ruptura'].sum()
+ruptura_por_uf_pct = (
+    df2.groupby('uf')['quantidade_ruptura'].sum()
+    .sort_values(ascending=True)
+    .apply(lambda x: (x / ruptura_total) * 100)
+)
+print(ruptura_por_uf_pct)
+ax = ruptura_por_uf_pct.plot(kind='barh', figsize=(10, 6), color='skyblue')
+for i, v in enumerate(ruptura_por_uf_pct):
+    ax.text(v + 0.3, i, f"{v:.1f}%", va='center')
+plt.xlabel('% da ruptura total')
+plt.title('Distribuição percentual de ruptura projetada por UF')
+plt.tight_layout()
+plt.savefig("grafico.png")
+plt.close()
+
+agora = datetime.now().time()
+if time(5, 0) <= agora <= time(12, 0):
+    boa = "Bom dia!"
+elif time(12, 1) <= agora <= time(18, 0):
+    boa = "Boa tarde!"
+else:
+    boa = "Boa noite!"
+
+grafico_cid = make_msgid()[1:-1]
+grafico2_cid = make_msgid()[1:-1]
+msg = EmailMessage()
+msg['From'] = remetente
+msg['To'] = ', '.join(destinatarios)
+msg['Subject'] = assunto
+html_email = f"""
+<html>
+  <body>
+    <p>{boa}</p>
+    <p>Compartilhamos o relatório de ruptura projetada, com o objetivo de monitorar os itens com maior risco de ruptura nos próximos dias.</p>
+    <p><strong>Atualizamos o relatório, e agora mandaremos diariamente às 10:00 automaticamente. Pedimos paciência nessa etapa e contamos com o feedback de vocês.</strong></p>
+    <p>O relatório a seguir apresenta as seguintes informações:</p>
+    <ul>
+      <li>Estoque atual;</li>
+      <li>Trânsito;</li>
+      <li>Ruptura projetada;</li>
+      <li>Maior excesso por estado, assim como o PDV que o possui.</li>
+    </ul>
+    <p>Além disso, o material destaca as VDs com maior criticidade, permitindo uma atuação direcionada para mitigar impactos e priorizar ações de abastecimento e transferência.</p>
+    <p><strong>Importante:</strong></p>
+    <p>O relatório está em processo de desenvolvimento e pode sofrer mudanças futuras no layout. Ficamos à disposição para esclarecer quaisquer dúvidas.</p>
+    <p>Foram adicionados ao relatório os PDVs da região de Irecê e Jacobina.</p>
+    
+    <img src="cid:{grafico_cid}">
+    <img src="cid:{grafico2_cid}">
+  </body>
+</html>
+"""
+msg.set_content("Seu e-mail precisa de um visualizador HTML.")
+msg.add_alternative(html_email, subtype='html')
+
+with open("grafico.png", 'rb') as img:
+    msg.get_payload()[1].add_related(img.read(), 'image', 'png', cid=grafico_cid)
+
+with open("grafico2.png", 'rb') as img:
+    msg.get_payload()[1].add_related(img.read(), 'image', 'png', cid=grafico2_cid)
+
+with open(excel_path, 'rb') as f:
+    msg.add_attachment(
+        f.read(),
+        maintype='application',
+        subtype='vnd.openxmlformats-officedocument.spreadsheetml.sheet',
+        filename=excel_path.name
+    )
+
+with smtplib.SMTP('smtp-mail.outlook.com', 587) as smtp:
+    smtp.ehlo()
+    smtp.starttls(context=ssl.create_default_context())
+    smtp.login(remetente, senha)
+    smtp.send_message(msg)
+
+print("E-mail enviado com sucesso.")