MLA_Learn_Periodic_Functions/code/predictions_meteo/grab_data.py

import os
import pandas
import numpy as np
import progressbar
from matplotlib import pyplot as plt

station = 7460 # clermont ferand <3
downlaod = True

if downlaod :
	print("Suppresion des fichiers existants")
	os.system("rm -rf data")
	os.system("mkdir data")
	print("Début du téléchargement depuis météo france")
	for annee in progressbar.progressbar(range(1996,2021)) :
		for moi in range(1,13) :
			titre = f'{annee:04d}{moi:02d}'
			os.system(f'wget -q https://donneespubliques.meteofrance.fr/donnees_libres/Txt/Synop/Archive/synop.{titre}.csv.gz -P data')

	os.chdir("data")
	os.system(f"gzip -vd *")
	os.chdir("..")


donnees = {}
for nom in os.listdir("data") :
	csv = pandas.read_csv(f"data/{nom}",sep=";")
	extraction = csv[csv["numer_sta"]==station][["date","t"]].values.tolist()

	for i in range(len(extraction)) :
		mesure = int(extraction[i][0]//1e6//7)
		if mesure not in donnees :
			donnees[mesure] = []
		try :
			donnees[mesure].append(float(extraction[i][1]))
		except ValueError :
			print(f"Erreur de valeur pour la date {extraction[i][0]} : {extraction[i][1]}")


clefs = list(donnees.keys())
clefs.sort()
table = np.zeros(len(clefs))
for i, clef in enumerate(clefs) :
	somme = 0
	for j in range(len(donnees[clef])) :
		somme += donnees[clef][j]
	if len(donnees[clef]) > 0 :
		table[i] = somme/len(donnees[clef])
	else :
		table[i] = table[i-1]

plt.plot(np.array(range(len(table)))/52-len(table)/52,table,"bo")
np.save("dataset.npy", table)
print("sauvegardé")
plt.show()