T1 a T4 implementados, provavelmente

earthquakes.py

@@ -2,6 +2,7 @@
 # pyright: basic
 
 import os
+from datetime import datetime
 
 import pandas as pd
 
@@ -13,11 +14,10 @@ MENU ="""[1] Criar a base de dados
 [2] Atualizar uma entrada
 [3] Apagar um evento
 [4] Apagar uma entrada de um evento
-[5] Visualizar uma entrada
+[5] Visualizar um evento
 [6] Guardar como JSON
 [7] Guardar como CSV
 [8] Estatísticas
-[9] Atualizar uma entrada de um evento
 
 [Q] Sair
 """
@@ -78,9 +78,22 @@ def main():
 
             case "2":
                 if db is not None:
-                    continue
+                    crud.read_ids(db)
+                    eid_choice = _get_usr_input("Escolhe o ID: ", int)
+
+                    if not _event_exists(db, eid_choice):
+                        retInfo = "ID do event não encontrado!"
+
                     else:
-                    retInfo = "Base de dados não encontrada!"
+                        table = crud.get_table(db, eid_choice)
+                        crud.show_table(table)
+                        row_choice = _get_usr_input("Escolhe a linha a atualizar: ", int)
+                        new_data = {}
+                        for col in crud.TABLE_READ_RET:
+                            val = _get_usr_input(f"Novo valor para {col} (Enter para manter o valor atual): ")
+                            if val is not None:
+                                new_data[col] = val
+                        crud.update_table_row(db, row_choice, new_data)
 
             case "3":
                 if db is not None:
@@ -111,13 +124,10 @@ def main():
                         table = crud.get_table(db, eid_choice)
                         _prettify_event(table)
                         crud.show_table(table)
+
                         row_choice = _get_usr_input("Escolhe a linha a apagar:", int)
                         # TODO: balizar a escolha para apenas as linhas do evento em questao
-                        row_choice = _get_usr_input("Escolhe a linha a apagar:", int)
 
-                        
-                        # TODO: balizar a escolha para apenas as linhas do evento em questao
-                        row_choice = _get_usr_input("Escolhe a linha a apagar: ", int)
                         db = crud.delete_table_row(db, eid_choice, row_choice)
                         new_table = crud.get_table(db, eid_choice)
                         crud.show_table(new_table)
@@ -137,6 +147,7 @@ def main():
 
                     else:
                         table = crud.get_table(db, choice)
+                        _prettify_event(table)
                         crud.show_table(table)
                         input()
 
@@ -167,25 +178,6 @@ def main():
                 else:
                     retInfo = "Base de dados não encontrada!"
 
-            case "9":
-                if db is not None:
-                    crud.read_ids(db)
-                    eid_choice = _get_usr_input("Escolhe o ID: ", int)
-
-                    if not _event_exists(db, eid_choice):
-                        retInfo = "ID do event não encontrado!"
-
-                    else:
-                        table = crud.get_table(db, eid_choice)
-                        crud.show_table(table)
-                        row_choice = _get_usr_input("Escolhe a linha a atualizar: ", int)
-                        new_data = {}
-                        for col in crud.TABLE_READ_RET:
-                            val = _get_usr_input(f"Novo valor para {col} (Enter para manter o valor atual): ")
-                            if val is not None:
-                                new_data[col] = val
-                        crud.update_table_row(db, row_choice, new_data)
-
             case "q":
                 isRunning = False
                 continue
@@ -220,11 +212,6 @@ def _prettify_event(df):
     preambleInfo = df.drop_duplicates(subset="ID", keep="first")
     stations = df[["Estacao", "Componente", "Tipo Onda", "Amplitude"]]
     info = df.drop_duplicates(subset="Data", keep="first")
-    stations = df[["Estacao", "Componente", "Tipo Onda", "Amplitude"]]
-    data = datetime.fromisoformat(info.Data.values[0]).strftime("%c")
-    print(f"Região: {info["Regiao"].values[0]}\nData: {data}\nLatitude: {info.Lat.values[0]}\nLongitude: {info.Long.values[0]}"
-        + f"\nProfundidade: {info.Prof.values[0]}\nTipo de evento: {info['Tipo Ev'].values[0]}\n")
-    info = df.drop_duplicates(subset="Data", keep="first")
     data = datetime.fromisoformat(info.Data.values[0]).strftime("%c")
     print(f"Região: {info["Regiao"].values[0]}\nData: {data}\nLatitude: {info.Lat.values[0]}\nLongitude: {info.Long.values[0]}"
         + f"\nProfundidade: {info.Prof.values[0]}\nTipo de evento: {info['Tipo Ev'].values[0]}\n")

utils/crud.py

@@ -1,29 +1,37 @@
 # pyright: basic
 
 import pandas as pd
-from . import parser
 
 pd.set_option('display.max_rows', 500)
 pd.set_option('display.max_columns', 500)
 pd.set_option('display.width', 150)
 
+# -- globals
+
 HEADER_COLS = ["Data", "Distancia", "Tipo Ev", "Lat", "Long", "Prof", "Magnitudes"]
-TABLE_READ_RET = ["Data", "Lat", "Long", "Distancia", "Tipo Ev", "Amplitude"]
+TABLE_READ_RET = ["Estacao","Componente","", "Amplitude"]
+
+# -- helper funcs
 
 def _get_uniques(df) -> pd.DataFrame:
     return df.get(["ID", "Data", "Regiao"]).drop_duplicates(subset="ID", keep="first")
 
+
 def _show_events(df):
     for (_, row) in df.iterrows():
         print(f"{row["ID"]}: {row["Regiao"]}")
 
+# -- main
+
 def read_ids(df):
     ids = _get_uniques(df)
     _show_events(ids)
 
+
 def get_unique_events_table(df):
     return df.drop_duplicates(subset="ID", keep="first")
 
+
 def read_header(df, event_id):
     # Informações do header do evento
     row = df[df["ID"] == event_id].iloc[0]
@@ -37,12 +45,13 @@ def read_header(df, event_id):
     infoString = f"Header do evento {event_id}:\n" + "\n".join(info) 
     return infoString
 
+
 def show_table(df, retCols=TABLE_READ_RET):
     print(df.loc[:,retCols])
 
+
 def get_table(df, event_id):
     rows = df[df["ID"] == event_id]
-    rows = rows.drop("ID", axis=1)
     return rows
 
 
@@ -61,12 +70,14 @@ def read_table_row(df, event_id, row_number_1):
         info.append(f"{i+1} {col}: {row[col]}")
     return f"Linha {row_number_1:02d} do evento {event_id}:\n" + "\n".join(info) 
 
+
 def update_table_row(df, row_line, new_data):
     for key, value in new_data.items():
         if key in df.columns:
             df.loc[row_line, key] = value
     return f"Linha {row_line} do evento atualizada com sucesso."
 
+
 def update_header(df, event_id, new_data):
     # atualiza o header de um evento
     for key, value in new_data.items():
@@ -74,17 +85,20 @@ def update_header(df, event_id, new_data):
             df.loc[(df["ID"] == event_id) | df.iloc[0], key] = value
     return f"Header do evento {event_id} atualizado com sucesso."
 
+
 def delete_event(df, event_id):
     # Apaga um evento inteiro (header + tabela)
     new_df = df.drop(df[df["ID"] == event_id].index)
     print(f"Evento {event_id} apagado!")
     return new_df
 
+
 def delete_table_row(df, event_id, row_number):
     # Apaga uma linha específica da tabela do evento
     new_df = df.drop([row_number]).reset_index(drop=True)
     return new_df
 
+
 def create_blank_event(df, event_id):
     # Criar um evento vazio com linha de header e 1 linha de coluna
     df.loc[df["ID"] >= event_id, "ID"] += 1

utils/stats.py

@@ -5,7 +5,7 @@ import os
 import pandas as pd
 import numpy as np
 
-STAT_HEADER ="""=== Earthquakes ===
+STAT_HEADER ="""=== Terramotos ===
  == Estatísticas == 
 """
 
@@ -51,12 +51,14 @@ def stat_menu(df: pd.DataFrame):
 
         match usrIn:
             case "1":
-                # TODO: verificar se estamos a tratar de numeros ou strings
                 c = filter_submenu("Média")
 
                 if c is not None:
                     retValue = average(df, c)
+                    if retValue:
                         print(f"A média de {c} é {retValue}")
+                    else:
+                        print("Um erro aconteceu. Nada a apresentar de momento.")
                 else:
                     continue
 
@@ -65,17 +67,22 @@ def stat_menu(df: pd.DataFrame):
 
                 if c is not None:
                     retValue = variance(df, c)
+                    if retValue:
                         print(f"A variância dos dados de {c} é {retValue}")
+                    else:
+                        print("Um erro aconteceu. Nada a apresentar de momento.")
                 else:
                     continue
 
             case "3":
-                # TODO: verificar se estamos a tratar de numeros ou strings
                 c = filter_submenu("Desvio Padrão")
 
                 if c is not None:
                     retValue = std_dev(df, c)
+                    if retValue:
                         print(f"O desvio padrão de {c} é {retValue}")
+                    else:
+                        print("Um erro aconteceu. Nada a apresentar de momento.")
                 else:
                     continue
 
@@ -112,7 +119,7 @@ def stat_menu(df: pd.DataFrame):
 
             case _:
                 pass
-        input("Clica Enter para continuar")
+        input("Clica `Enter` para continuar")
 
 
 def average(df: pd.DataFrame, filter_by):
@@ -121,8 +128,10 @@ def average(df: pd.DataFrame, filter_by):
 
     if filter_by == "Magnitudes":
         values = _unpack_mags(values)
-
+    try:
         return np.average(values)
+    except:
+        return None
 
 
 def variance(df, filter_by):
@@ -132,7 +141,10 @@ def variance(df, filter_by):
     if filter_by == "Magnitudes":
         values = _unpack_mags(values)
 
+    try:
         return np.var(values)
+    except:
+        return None
 
 
 def std_dev(df, filter_by):
@@ -142,7 +154,10 @@ def std_dev(df, filter_by):
     if filter_by == "Magnitudes":
         values = _unpack_mags(values)
     
+    try:
         return np.std(values)
+    except:
+        return None
 
 
 def max_v(df, filter_by):
@@ -164,6 +179,7 @@ def min_v(df, filter_by):
     
     return np.min(values)
 
+
 def moda(df, filter_by):
     events = df.drop_duplicates(subset="ID", keep='first')
     values = events[filter_by].to_numpy()