196 lines
7.3 KiB
Python
Executable file
196 lines
7.3 KiB
Python
Executable file
# met à jour un fichier de suivi pour chaque livre
|
|
# le suivi se fait dans un fichier csv où chaque ligne est un compte rendu de statistiques du livre
|
|
# colonnes du csv: date; mots; intrigues; personnages; personnages_mots;
|
|
|
|
import csv
|
|
from datetime import date, timedelta, datetime
|
|
import matplotlib.pyplot as plt
|
|
import numpy as np
|
|
from scipy.interpolate import make_interp_spline
|
|
|
|
def mise_a_jour_suivi(fichier_csv, fichier_livre, fichier_personnages):
|
|
# Lire le fichier livre.org
|
|
with open(fichier_livre, 'r') as f:
|
|
contenu_livre = f.read()
|
|
mots_livre = len(contenu_livre.split())
|
|
chapitres = contenu_livre.count('* ')
|
|
sous_chapitres = contenu_livre.count('** ') + contenu_livre.count('*** ') + contenu_livre.count('**** ')
|
|
|
|
# Lire le fichier personnages.org
|
|
with open(fichier_personnages, 'r') as f:
|
|
contenu_personnages = f.read()
|
|
personnages_mots = len(contenu_personnages.split())
|
|
personnages = contenu_personnages.count('* ')
|
|
|
|
# Récupérer les valeurs pour les autres colonnes
|
|
intrigues = 5
|
|
|
|
# Mettre à jour le fichier de suivi
|
|
with open(fichier_csv, 'a', newline='') as csvfile:
|
|
writer = csv.writer(csvfile, delimiter=';')
|
|
now = datetime.now()
|
|
ligne = [now.isoformat(), mots_livre, intrigues, personnages, personnages_mots, chapitres, sous_chapitres]
|
|
writer.writerow(ligne)
|
|
|
|
# Exemple d'utilisation
|
|
fichier_csv ='suivi_livre.csv'
|
|
fichier_livre = 'livre.org'
|
|
fichier_personnages = 'personnages.org'
|
|
|
|
def analyse_csv(fichier_csv):
|
|
|
|
with open(fichier_csv, 'r') as csvfile:
|
|
reader = csv.reader(csvfile, delimiter=';')
|
|
donnees = list(reader)
|
|
|
|
# Récupérer les dates et les nombres de mots
|
|
dates_raw = [datetime.fromisoformat(donnee[0]) for donnee in donnees]
|
|
mots_raw = [int(donnee[1]) for donnee in donnees]
|
|
chapitres_raw = [int(donnee[5]) for donnee in donnees]
|
|
|
|
# Gérer les entrées dupliquées en gardant la dernière valeur pour chaque date
|
|
date_data = {}
|
|
for i, dt in enumerate(dates_raw):
|
|
date_key = dt.date()
|
|
date_data[date_key] = {
|
|
'mots': mots_raw[i],
|
|
'chapitres': chapitres_raw[i]
|
|
}
|
|
|
|
# Trier les dates et extraire les valeurs uniques
|
|
dates = sorted(date_data.keys())
|
|
mots = [date_data[d]['mots'] for d in dates]
|
|
chapitres = [date_data[d]['chapitres'] for d in dates]
|
|
|
|
# Créer les graphiques en aire adoucie
|
|
create_smooth_area_chart(dates, mots, "Evolution du nombre de mots", "evolution_mots.png")
|
|
create_smooth_area_chart(dates, chapitres, "Evolution du nombre de chapitres", "evolution_chapitres.png")
|
|
|
|
|
|
# Récupérer la date du jour
|
|
aujourd_hui = date.today()
|
|
oldest_count=0
|
|
hier = aujourd_hui - timedelta(days=1)
|
|
semaine_derniere = aujourd_hui - timedelta(days=7)
|
|
mois_dernier = date(aujourd_hui.year, aujourd_hui.month - 1, aujourd_hui.day)
|
|
|
|
# Récupérer la valeur des mots la plus récente parmi celles de la date du jour
|
|
mots_aujourd_hui = 0
|
|
mots_aujourd_hui_start = 0
|
|
most_recent = 0
|
|
|
|
# print("suivis: ",len(dates))
|
|
most_recent = mots[len(dates)-1]
|
|
|
|
for i, date_ in enumerate(dates):
|
|
|
|
# trouver le premier décompte supérieur à 0
|
|
if mots[i] > 0 and oldest_count == 0:
|
|
oldest_count = mots[i]
|
|
# print('oldest: ',oldest_count, " mots")
|
|
if date_ == aujourd_hui:
|
|
if mots_aujourd_hui_start == 0:
|
|
mots_aujourd_hui_start = mots[i]
|
|
print('au début du jour:' , mots_aujourd_hui_start)
|
|
if date_ == aujourd_hui:
|
|
mots_aujourd_hui = mots[i]
|
|
|
|
# Récupérer la valeur des mots la plus récente du jour précédent
|
|
mots_hier = 0
|
|
for i, date_ in enumerate(dates):
|
|
if date_ == hier:
|
|
mots_hier = mots[i]
|
|
break
|
|
|
|
# Récupérer la valeur des mots la plus récente de la semaine dernière
|
|
mots_semaine_derniere = 0
|
|
for i, date_ in enumerate(dates):
|
|
if semaine_derniere <= date_ < aujourd_hui:
|
|
mots_semaine_derniere = mots[i]
|
|
break
|
|
|
|
# Compter le nombre de mots changés aujourd'hui
|
|
mots_changés_aujourd_hui = most_recent - mots_aujourd_hui_start
|
|
|
|
# Compter le nombre de mots changés depuis la date la plus récente dans la semaine dernière
|
|
mots_changés_semaine_derniere = mots_aujourd_hui_start - mots_semaine_derniere
|
|
|
|
# Afficher le résultat
|
|
print("Nombres de mots changés aujourd'hui : ", mots_changés_aujourd_hui)
|
|
print("Nombres de mots changés depuis la date la plus récente dans la semaine dernière : ", mots_changés_semaine_derniere)
|
|
print("Total : ", most_recent," mots")
|
|
mise_a_jour_suivi(fichier_csv, fichier_livre, fichier_personnages)
|
|
|
|
def create_smooth_area_chart(dates, values, title, filename):
|
|
"""
|
|
Crée un graphique en aire adoucie à partir des dates et des valeurs.
|
|
|
|
Args:
|
|
dates: Liste des dates
|
|
values: Liste des valeurs correspondantes
|
|
title: Titre du graphique
|
|
filename: Nom du fichier pour sauvegarder le graphique
|
|
"""
|
|
# Vérifier qu'il y a assez de données pour créer un graphique
|
|
if len(dates) < 2:
|
|
print(f"Pas assez de données pour créer le graphique {title}")
|
|
return
|
|
|
|
# Convertir les dates en nombres (jours depuis la première date)
|
|
date_nums = [(d - dates[0]).days for d in dates]
|
|
|
|
# Créer des points x pour l'interpolation (plus de points pour une courbe plus lisse)
|
|
if len(date_nums) > 2:
|
|
x_smooth = np.linspace(min(date_nums), max(date_nums), 300)
|
|
|
|
# Créer la spline pour l'interpolation
|
|
spl = make_interp_spline(date_nums, values, k=min(3, len(dates)-1))
|
|
y_smooth = spl(x_smooth)
|
|
else:
|
|
# Si seulement 2 points, utiliser une interpolation linéaire
|
|
x_smooth = np.linspace(min(date_nums), max(date_nums), 300)
|
|
y_smooth = np.interp(x_smooth, date_nums, values)
|
|
|
|
# Créer la figure
|
|
plt.figure(figsize=(10, 6))
|
|
|
|
# Tracer l'aire sous la courbe
|
|
plt.fill_between(x_smooth, y_smooth, alpha=0.5, color='skyblue')
|
|
|
|
# Tracer la ligne
|
|
plt.plot(x_smooth, y_smooth, color='blue', linewidth=2)
|
|
|
|
# Ajouter les points de données réels
|
|
plt.scatter(date_nums, values, color='darkblue', s=30)
|
|
|
|
# Configurer les étiquettes de l'axe x (dates)
|
|
if len(dates) > 1:
|
|
# Sélectionner quelques dates pour l'affichage
|
|
num_ticks = min(10, len(dates))
|
|
tick_indices = np.linspace(0, len(dates)-1, num_ticks, dtype=int)
|
|
tick_positions = [date_nums[i] for i in tick_indices]
|
|
tick_labels = [dates[i].strftime('%Y-%m-%d') for i in tick_indices]
|
|
|
|
plt.xticks(tick_positions, tick_labels, rotation=45)
|
|
|
|
# Ajouter les titres et les étiquettes
|
|
plt.title(title, fontsize=16)
|
|
plt.xlabel('Date', fontsize=12)
|
|
plt.ylabel('Valeur', fontsize=12)
|
|
|
|
# Ajouter une grille
|
|
plt.grid(True, linestyle='--', alpha=0.7)
|
|
|
|
# Ajuster la mise en page
|
|
plt.tight_layout()
|
|
|
|
# Sauvegarder le graphique
|
|
plt.savefig(filename, dpi=150, bbox_inches='tight')
|
|
plt.savefig(filename.replace('.png', '.svg'), format='svg', bbox_inches='tight')
|
|
|
|
# Fermer la figure pour libérer la mémoire
|
|
plt.close()
|
|
|
|
print(f"Graphique '{title}' sauvegardé sous {filename} et {filename.replace('.png', '.svg')}")
|
|
|
|
analyse_csv(fichier_csv)
|