In [ ]:

    

stations = pd.read_excel("../input/Metadane_wer20160914.xlsx")


    

In [ ]:

    

nazywStacji = set(dane.columns.values)


    

In [ ]:

    

stacje = stacje.set_index("Nr")


    

In [ ]:

    

stacje[(stacje["Stary Kod stacji"]).isin(nazywStacji) | (stacje["Kod stacji"]).isin(nazywStacji)]


    

In [ ]:

    

interesujaceStacje = stacje[(stacje["Stary Kod stacji"]).isin(nazywStacji) | (stacje["Kod stacji"]).isin(nazywStacji)]


    

In [ ]:

    

interesujaceStacje


    

In [ ]:

    

interesujaceStacje.shape


    

In [ ]:

    

interesujaceStacje[[u'WGS84 \u03bb E',u'WGS84 \u03c6 N']]


    

In [ ]:

    

wspolrzedne = interesujaceStacje[[u'WGS84 \u03bb E',u'WGS84 \u03c6 N']].values


    

In [ ]:

    

wspolrzedne[:,1]


    

In [ ]:

    

import matplotlib.pyplot as plt


    

In [ ]:

    

plt.scatter(wspolrzedne[:,0], wspolrzedne[:,1])


    

In [ ]:

    

import folium
map_osm = folium.Map(location=[52.069167, 19.480556], zoom_start=6)


    

In [ ]:

    

map_osm


    

In [ ]:

    

interesujaceStacje.index


    

In [ ]:

    

for index, row in interesujaceStacje.iterrows():
    print row['Nazwa stacji']
    folium.Marker([row[u'WGS84 \u03c6 N'], row[u'WGS84 \u03bb E']], popup=row['Nazwa stacji']).add_to(map_osm)


    

In [ ]:

    

map_osm


    

In [ ]:

    

jeden_dzien = dane[dane.index == "2000-06-12 08:00:00"]


    

In [ ]:

    

do_interpolacji = pd.melt(jeden_dzien)


    

In [ ]:

    

do_interpolacji.rename(columns={"variable":"Stary Kod stacji"}, inplace=True)


    

In [ ]:

    

final = do_interpolacji.merge(interesujaceStacje[[u'WGS84 \u03bb E',u'WGS84 \u03c6 N', "Stary Kod stacji"]])


    

In [ ]:

    

x = final[u'WGS84 \u03bb E'].values
y = final[u'WGS84 \u03c6 N'].values
z = final[u'value'].values


    

In [ ]:

    

x


    

In [ ]:

    

import numpy as np
from scipy.interpolate import griddata


    

In [ ]:

    

xi = np.linspace(x.min(),x.max(),100)
yi = np.linspace(y.min(),y.max(),200)

xi = np.append(xi,x)
xi.sort()
yi = np.append(yi,y)
yi.sort()

zi = griddata((x, y), z, (xi[None,:], yi[:,None]), method='linear')


    

In [ ]:

    

(x,y), z


    

In [ ]:

    

zi


    

In [ ]:

    

# contour the gridded data, plotting dots at the randomly spaced data points.
CS = plt.contour(xi,yi,zi)
CS = plt.contourf(xi,yi,zi)
plt.colorbar() # draw colorbar
# plot data points.
plt.scatter(x,y,marker='o',c='b',s=5)
plt.show()


    

In [ ]:

    

from folium import plugins


    

In [ ]:

    

nxpoints = (x.max() - x.min()) / .001
nypoints = (y.max() - y.min()) / .001


    

In [ ]:

    

xi = np.linspace(x.min(),x.max(),int(nxpoints))
yi = np.linspace(y.min(),y.max(),int(nypoints))


    

In [ ]:

    

zi = griddata((x, y), z, (xi[None,:], yi[:,None]), method='linear')


    

In [ ]:

    

print(xi.shape)
print(yi.shape)
np.isnan(zi[4502,5000])


    

In [ ]:

    

from tqdm import tqdm


    

In [ ]:

    

xlist = []
ylist = []
zlist = []


    

In [ ]:

    

for xelement in tqdm(range(xi.shape[0])):
    for yelement in range(yi.shape[0]):
        if np.isnan(zi[yelement,xelement]):
            pass
        else:
            #tmpData = pd.DataFrame()
            #tmpData["x"] = xi[xelement]
            xlist.append(xi[xelement])
            ylist.append(yi[yelement])
            zlist.append(zi[yelement,xelement])
            #tmpData["y"] = yi[yelement]
            #tmpData["z"] = zi[yelement,xelement]
            #dataForHeatmap.append(tmpData, ignore_index=True)


    

In [ ]:

    

dataForHeatmap = pd.DataFrame({"x":xlist, "y":ylist, "z":zlist})


    

In [ ]:

    

dataForHeatmap


    

In [ ]:

    

#plugins.HeatMap(zip(ylist, xlist, zlist)).add_to(map_osm)


    

In [ ]:

    

#map_osm


    

In [ ]:

    

file


    

In [ ]:

    

[ basename(wholeFilename) for wholeFilename in glob.glob("../input/2*.xlsx") ]


    

In [ ]:

    




    

In [ ]:

    




    

In [ ]:

    




    

In [ ]: