test before

file_test/categoryByData.py

@@ -0,0 +1,39 @@
+import pandas as pd
+import numpy as np
+from sklearn.calibration import LabelEncoder
+from sklearn.model_selection import train_test_split
+from sklearn.linear_model import LinearRegression
+
+# Load data from CSV
+df = pd.read_csv("data\\data_emple.csv")
+
+category = df.iloc[0:len(df),0].values
+
+otherData = df.iloc[0:len(df),1:6].values
+
+print(otherData)
+
+# Encode the categorical target variable
+label_encoder = LabelEncoder()
+category_encoded = label_encoder.fit_transform(category)
+
+model = LinearRegression()
+
+model.fit(otherData,category_encoded)
+
+
+new_data = np.array([224.0,228.49,346.6000000000000,1.1007253886010361,101]).reshape(1, -1)
+
+# Faites une prédiction avec le modèle entraîné
+prediction = model.predict(new_data)
+
+# Affichez la prédiction
+print("Prédiction:", prediction)
+
+# Supposons que label_encoder soit l'objet LabelEncoder que vous avez utilisé lors de l'entraînement
+inverse_prediction = label_encoder.inverse_transform(prediction.astype(int))
+
+# Affichez la prédiction sous forme de chaîne de caractères
+print("Prédiction (en chaîne de caractères):", inverse_prediction)
+
+

file_test/distanceByTime.py

@@ -0,0 +1,29 @@
+import pandas as pd
+import numpy as np
+import matplotlib.pyplot as plt
+from sklearn.linear_model import LinearRegression
+from sklearn.model_selection import train_test_split
+df = pd.read_csv("data\\data_emple.csv")
+distance = df.iloc[0:len(df),1].values.reshape(-1, 1)
+time = df.iloc[0:len(df),2].values.reshape(-1, 1)
+ 
+model = LinearRegression()
+
+# Entrainement 
+model.fit(time,distance)
+
+# Afficher les coefficients du modèle
+print("Coefficients :", model.coef_)
+print("Intercept :", model.intercept_)
+
+
+# Supposons que vous avez de nouvelles données pour lesquelles vous voulez faire des prédictions
+new_time_data = np.array([1000]).reshape(1,-1) # Exemple de nouvelles données pour 'time'
+
+# Faire des prédictions sur les nouvelles données
+predicted_distance = model.predict(new_time_data)
+
+# Afficher les prédictions
+print("Prédictions de distance :", predicted_distance[0])
+
+

file_test/generateurModele.py

@@ -0,0 +1,140 @@
+
+from sklearn.linear_model import LinearRegression
+import pandas as pd 
+import numpy as np
+import requests
+from datetime import datetime, time
+import time as sleep_time
+
+# --------------- Fonction -----------------  #
+def generateJsonModel(model:LinearRegression):
+    listCoef = []
+    listIntercept = []
+    for i in range(0,len(model.coef_)):
+        listCoef.append(model.coef_[i][0])
+        listIntercept.append(model.intercept_[i])
+    json = {"coef":listCoef,"intercept":listIntercept}
+    return json
+
+def generateModele(dataJson:dict[str,str]):
+    # -- Préparation des données 
+    arrayBpm = []
+    arrayStartTime = []
+    arrayTimeOfActivity = []
+
+    for data in dataJson["Data"]:
+        arrayBpm.append(data["BpmAvg"])
+        arrayTimeOfActivity.append(data["TimeOfActivity"])
+
+        arrayStartTime.append(data["StartTime"])
+    # -- DataFrame 
+    data = pd.DataFrame({
+        "Bpm": arrayBpm,
+        "TimeOfActivity": arrayTimeOfActivity
+    })
+    # -- Régression linéaire 
+    model = LinearRegression()
+    model.fit(np.array(arrayStartTime).reshape(-1,1),data)
+    return model
+
+
+def getUserWithData(url:str):
+    response = requests.get(urlGetAllData)
+    if ( response.status_code != 200):
+        print('problème lors de l extraction des données avec l api !! ->  "getUserWithData" (status_code != 200)')
+        exit()
+    return response.json
+
+def sendJsonToApi(url,json):
+    response = requests.post(url,json)
+    if ( response.status_code != 200):
+        print('Problème lors de l envoi des données avec l api !! -> "sendJsonToApi" (status_code != 200)')
+        exit()
+    return
+
+# ---------------- Main ------------------- #
+
+#urlGetAllData = "https://codefirst.iut.uca.fr/containers/SmartFit-smartfit_api/xxx"
+
+#jsonBack = { "Users" : []}
+
+dataUser = {
+    "Users": [
+        {
+            "Identifiant": "x",
+            "Info": [
+                {"Category": "walking", "Data": [{"StartTime": 1234, "BpmAvg": 100,"TimeOfActivity": 1716.5}, {"StartTime" : 123456789,"BpmAvg":100,"TimeOfActivity": 1716.5}]},
+                {"Category": "Cycling", "Data": [{"StartTime": 1234, "BpmAvg": 100,"TimeOfActivity": 1716.5}, {"StartTime" : 123456087,"BpmAvg":100,"TimeOfActivity": 1716.5}]},
+            ]
+        },
+        {   "Identifiant": "x",
+            "Info": [
+                {"Category": "walking", "Data": [{"StartTime": 1234, "BpmAvg": 120,"TimeOfActivity": 1716.5}, {"StartTime" : 123456789,"BpmAvg":120,"TimeOfActivity": 1716.5}]},
+                {"Category": "Cycling", "Data": [{"StartTime": 1234, "BpmAvg": 120,"TimeOfActivity": 1716.5}, {"StartTime" : 123456087,"BpmAvg":120,"TimeOfActivity": 1716.5}]},
+            ]
+        }
+    ]
+}
+'''
+# -- Call Api
+#dataUser = getUserWithData(url=urlGetAllData)
+
+for user in dataUser["Users"]:
+    jsonTmp = {}
+
+    jsonTmp["Identifiant"] = user["Identifiant"]
+    jsonTmp["Info"] = []
+
+    for category in user["Info"]:
+        #Mettre la condition longueur ici
+        model = generateModele(category)
+        jsonTmp["Info"].append({"Category": category["Category"],"Model" : generateJsonModel(model)})
+
+    # Add User
+    jsonBack["Users"].append(jsonTmp)
+print(jsonBack)
+# -- Send Data to Api 
+#sendJsonToApi(urlGetAllData,jsonBack)
+'''
+
+
+
+
+
+
+urlGetAllData = "https://codefirst.iut.uca.fr/containers/SmartFit-smartfit_api/xxx"
+while(True):
+    print("Boucle")
+    jsonBack = { "Users" : []}
+    heure_actuelle = datetime.now().time()
+    if ( heure_actuelle == time(8, 0)):
+        # --- Call Api 
+        #dataUser = getUserWithData(url=urlGetAllData)
+        for user in dataUser["Users"]:
+            jsonTmp = {}
+
+            jsonTmp["Identifiant"] = user["Identifiant"]
+            jsonTmp["Info"] = []
+
+            for category in user["Info"]:
+                #Mettre la condition longueur ici
+                model = generateModele(category)
+                jsonTmp["Info"].append({"Category": category["Category"],"Model" : generateJsonModel(model)})
+
+            # Add User
+            jsonBack["Users"].append(jsonTmp)
+        # -- Send Api 
+        #sendJsonToApi(urlGetAllData,jsonBack)
+    else : 
+        print("Sleep")
+        if (heure_actuelle < time(7,0) and heure_actuelle > time(8,0) ):
+            sleep_time.sleep(3600) # Pause 1 heure 
+        elif ( heure_actuelle < time(7,55) ):
+            sleep_time.sleep(300)  # Pause de 5 minutes
+        else : 
+            sleep_time.sleep(30)  # Pause de 30 secondes
+
+
+
+
+