final commit

2025_03_21/temp.py

@@ -0,0 +1,96 @@
+# -*- coding: utf-8 -*-
+
+import pyproj
+import os
+import pandas as pd
+
+directory_path = 'Y:\MISSIONS\Eau\8 - Projet recherche Célé\Lucie\Science\Canoo\continuum Ce guillaume 2020\dossier_brut_2020'
+
+dataframes = []
+
+for filename in os.listdir(directory_path):
+    if filename.endswith('.csv'):
+        file_path = os.path.join(directory_path, filename)
+        df = pd.read_csv(file_path, delimiter=',', skiprows=18, parse_dates=[0])
+        dataframes.append(df)
+
+merged_dataframe = pd.concat(dataframes, ignore_index=True)
+merged_dataframe.sort_values(by=['Date Heure'], inplace=True)
+merged_dataframe.reset_index(drop=True, inplace=True)
+
+
+
+columns_to_suppress_indices = [4, 5, 7, 9, 10, 11, 12, 21, 22]
+
+if max(columns_to_suppress_indices) >= len(merged_dataframe.columns):
+    print("Invalid column index found.")
+else:
+    df_suppressed = merged_dataframe.drop(merged_dataframe.columns[columns_to_suppress_indices], axis=1)
+   
+#supprimer les données manquantes
+#df_suppressed.dropna(subset=['Latitude (°)', 'Longitude (°)'], inplace=True)  
+
+# Define the coordinate systems
+wgs84 = pyproj.CRS("EPSG:4326")
+lambert93 = pyproj.CRS("EPSG:2154")
+
+# Create the Transformer to perform the conversion
+transformer = pyproj.Transformer.from_crs(wgs84, lambert93, always_xy=True)
+
+# Function to convert WGS84 to Lambert 93 for the entire DataFrame
+def convert_to_lambert93(row):
+    x, y = transformer.transform(row["Longitude (°)"], row["Latitude (°)"])
+    row["Lambert_X"] = x
+    row["Lambert_Y"] = y
+    return row
+
+# Apply the conversion to the entire DataFrame row-wise
+df_suppressed = df_suppressed.apply(convert_to_lambert93, axis=1)
+
+print(df_suppressed)
+
+
+
+#alors il faut ensuit calculer l'hypothénuse entre chacun de mes points : peut être résolu de façon booléenne
+def distance_entre_points(x1, y1, x2, y2):
+    distance = ((x2 - x1)**2 + (y2 - y1)**2) ** 0.5
+    return distance
+
+# Créer une nouvelle colonne 'Distance' dans le DataFrame
+df_suppressed['Distance'] = 0.0
+
+# Créer une nouvelle colonne 'Distance Cumulative' pour la somme cumulative des distances
+df_suppressed['Distance Cumulative'] = 0.0
+
+# Variable pour garder la somme cumulative des distances
+cumulative_distance = 0.0
+
+    
+for i in range(len(df_suppressed) - 3):
+    x1, y1 = df_suppressed.loc[i, 'Lambert_X'], df_suppressed.loc[i, 'Lambert_Y']
+    x2, y2 = df_suppressed.loc[i + 1, 'Lambert_X'], df_suppressed.loc[i + 1, 'Lambert_Y']
+    distance = distance_entre_points(x1, y1, x2, y2)
+    df_suppressed.loc[i + 1, 'Distance'] = distance
+    cumulative_distance += distance
+    df_suppressed.loc[i + 1, 'Distance Cumulative'] = cumulative_distance
+
+# Afficher le DataFrame avec les colonnes 'Distance' et 'Distance Cumulative' mises à jour
+print(df_suppressed)
+
+df_suppressed.to_csv('Y:\MISSIONS\Eau\8 - Projet recherche Célé\Lucie\continuum\continuum lucie + fabs + steph\df_suppressedbrut_bon_dernier.csv', index=False)
+#faire les graohs des paramètres en fonction de la distance  = variations des paramètres
+
+#Essayer tous les paramètres 
+#comparer avec les données de 2020. 
+#corriger la pression de la baro.
+
+#Donc changement de stratégie. Je vais essayer de retrouver les données GPS manquante par interpolation de celle-ci.
+#Pour cela on va faire un travail en sept étapes:
+#    1. Sur Qgis exporter un fichier csv. du cours d'eau sous forme de points avec les coordonnées GPS en Lambert 93. 
+#    2. J'importe ce nouveau csv dans Python et je calcule la distance entre chaque points sur toute ma rivière. 
+ #   3. A partir de là je calcul la distance cumulative entre chacun de mes points sur tous mon cours d'eau.
+ #   4. Ensuite je regarde à la mano là où j'ai des trous. Je calcul sur Qgis la distance manquante de point GPS 
+  #  5. Distance manquante / nombres de mesures = distance entre chaque points de mesure (exemple 2m)
+   # 6. Je calcul la distance cumulative au niveau de mes trous 
+    #7. Je vais chercher dans le tableau 1 le coordonnée GPS correspondant à la distance cumulative similaire. 
+    #8. Le tour est joué.