#!/usr/bin/env python
# coding: utf-8

# In[1]:


import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import datetime
import math

#lees bestand in (zet download uit app.weathercloud.net klaar in onderstaande map)
print("GEEF DE BESTANDSNAAM INCL HET PAD, bijvoorbeeld: '/weer/maandoverzicht/2023/04/Weathercloud P41_Ermelo 2023-04.csv' \n")
print("zonder de aanhalingstekens invoeren, vanaf /weer/....")
file = input('Hoe heet het bestand (csv-formaat)? ')
print("De naam van het bestand is: ", file)


# In[2]:


#index o.b.v. datum-string, delimiter is ; en decimaal moet punt zijn
df = pd.read_csv(file, delimiter=';', on_bad_lines='skip', header=0, parse_dates=True, infer_datetime_format=True, dayfirst=True, encoding='utf-16-le', decimal=',', thousands='.')
df


# In[3]:


df.rename({'Datum (Europe/Amsterdam)': 'datum', 'Temperatuur binnen (°C)': 'tempin', 'Temperatuur (°C)':'tempuit','Wind chill (°C)':'chill','Dauwpunt binnen (°C)':'dauwin', 'Dauwpunt (°C)':'dauwuit','Hitte index binnen (°C)':'Hitte index (°C)','Heat (°C)':'warmteuit','Vochtgehalte binnen (%)':'vochtin', 'Rel. vochtigheid (%)':'vochtuit', 'Windvlaag (km/h)':'windvlaag', 'Gemiddelde windsnelheid (km/h)': 'windgem', 'Gemiddelde windrichting (°)':'windrichting', 'Atmosferische druk (hPa)': 'druk', 'Regen (mm)':'regen24u', 'Et (mm)':'et', 'Mate van regen (mm/h)':'regenval', 'Zon-instraling (W/m²)':'zon', 'UV index':'uvi', 'Unnamed: 19':'ntb'}, axis=1, inplace=True)
df


# In[4]:


df['dag'] = pd.DatetimeIndex(df['datum']).day
print("TOON GELEZEN DATAFRAME")
print(df.head())
print(df.tail())


# In[5]:


#maak nieuwe variabele (kolom) aan voor delta_temp en delta
df['delta_temp'] = df['tempuit'] - df['dauwuit']
df['delta'] = (df['delta_temp'] / df['vochtuit']).round(decimals=3)

#maak een selectie van de gezochte variabelen
df = df.loc[:,['datum', 'dag', 'tempin','tempuit', 'chill', 'dauwuit', 'vochtin', 'vochtuit', 'windvlaag', 'windgem', 'windrichting', 'druk', 'regen24u', 'regenval', 'delta']]
df.set_index('datum',inplace=True) #maak de kolom datum tot index en vervang deze in het dataframe
df.fillna(method='ffill', inplace=True) # vul lege cellen in met de voorgaande waarde
df['het_regent'] = (df['regen24u'] > 0)

# bepaal de windkracht in beaufort
def beaufort(w):
    if w > 117:
        b = 12
    elif w > 102 and w <= 117:
        b = 11
    elif w > 88 and w <= 102:
        b = 10
    elif w > 74 and w <= 88:
        b = 9
    elif w > 61 and w <= 74:
        b = 8
    elif w > 49 and w <= 61:
        b = 7
    elif w > 38 and w <= 49:
        b = 6
    elif w > 28 and w <= 38:
        b = 5
    elif w > 19 and w <= 28:
        b = 4
    elif w > 11 and w <= 19:
        b = 3 
    elif w > 5 and w <= 11:
        b = 2
    elif w > 1 and w <= 5: 
        b = 1
    else:
        b = 0
    return b

#voeg windkolommen toe
df['vlaag_bft'] = df['windvlaag'].apply(beaufort)
df['windgem_bft'] = df['windgem'].apply(beaufort)
print("TOON DATATFRAME MET EXTRA WINDKOLOMMEN")
df


# In[6]:


#haal de datum als index eruit en maak er een aparte kolom van
df.reset_index(inplace=True)
df = df.rename(columns = {'index':'datum'})
print("TOON DATATFRAME ZONDER INDEX")
print(df)


# In[7]:


#functie om de data string te schonen
def schoning(utc):
    if utc != "":
        utc = str(utc)
        utc = utc.replace("+00:00","")
        utc = utc.replace("+0100","")
        utc = utc.replace("+0200","")
        utc = utc.replace(":00 ",":00")
        return utc

#reeks met de nieuwe geschoonde data
s = []

#haal data string op, cel voor cel, uit kolom 'datum' en zet geschoonde datum in reeks s   
for i in df['datum']:
    i = schoning(i)
    s.append(i)

#maak een nieuwe Series aan met de nieuwe datums
datum_nieuw_weer = pd.Series(s, name='datum_nieuw_weer', dtype='object')
print("TOON NIEUWE DATUMKOLOM WEER")
print(datum_nieuw_weer)


# In[8]:


#voeg de kolom datum_nieuw_weer toe aan het dataframe
weer = pd.concat([df, datum_nieuw_weer], axis=1)
print("GEEF INDRUK VAN WEER DATAFRAME")
print(weer)

#zet het formaat om in jaar-maand-dag formaat
weer.datum_nieuw_weer = pd.to_datetime(weer.datum_nieuw_weer, format="%Y-%m-%d")
print("TOON NIEUWE DATUMKOLOM WEER MET GESCHOONDE DATUMFORMAAT")
print(weer.datum_nieuw_weer)

#zet het formaat om in datetime int64 formaat
weer["datum_nieuw_weer"] = weer["datum_nieuw_weer"].astype('datetime64[ns]')
print("GEEF INDRUK VAN WEER DATAFRAME")
print(weer)


# In[10]:


#lees bestand in (zet download VOOR DE BETREFFENDE MAAND via aenlighten enphase klaar in onderstaande map)
print("GEEF DE BESTANDSNAAM INCL HET PAD, bijvoorbeeld: '/weer/maandoverzicht/2023/08/168660_site_energy_production_report.csv' \n")
file = input('Hoe heet het bestand (csv-formaat)? ')
dfzon = pd.read_csv(file, header=0, parse_dates=False, infer_datetime_format=True, dayfirst=True, decimal=',')
print("GEEF INDRUK VAN ZON DATAFRAME")
dfzon


# In[11]:


#index o.b.v. datum-string, delimiter is ; en decimaal moet punt zijn
dfzon.rename({'Datum/tijd': 'datum', 'Geproduceerde energie (kWh)': 'energie'}, axis=1, inplace=True)
dfzon = dfzon.iloc[:-1,:]
print("GEEF INDRUK VAN ZON DATAFRAME met nette kolomnamen")
print(dfzon.head())
print(dfzon.tail())


# In[12]:


#functie om het datum format op te schonen
def converteren(i):
    i = str(i)
    i = i.replace("/","-")
    print(i)
    return i

#reeks met de nieuwe geschoonde data
d = []

#haal data string op, cel voor cel, uit kolom 'datum' en zet geschoonde datum in reeks s   
for j in dfzon['datum']:
    j = converteren(j)
    d.append(j)
    
print(d)


# In[13]:


#Zet de lijst om in een PD series
datum_conv_zon = pd.Series(d, name='datum_conv_zon', dtype='object')

print("TOON OPGESCHOONDE DATUMKOLOM ZON")
print(datum_conv_zon)


# In[14]:


#Voeg Series toe aan dataframe dfzonnieuw
dfzonnieuw = pd.concat([dfzon, datum_conv_zon], axis=1)
print("het nieuwe zon dataframe met geconverteerde datum")
print(dfzonnieuw)
print(datum_conv_zon)


# In[15]:


#zet het formaat om in jaar-maand-dag formaat
dfzonnieuw.datum_conv_zon = pd.to_datetime(dfzonnieuw.datum_conv_zon, infer_datetime_format=False, format="%d-%m-%Y")
print(dfzonnieuw)


# In[16]:


#converteer het format naar een geschikt herkenbaar dataformat en zet dit in de tabel timestamp
dfzonnieuw['timestamp'] = ''
y = 0
for ui in dfzonnieuw.datum:
    e = datetime.datetime.strptime(ui, 
                                   "%d/%m/%Y")
    dfzonnieuw.timestamp[y] = e
    y = y + 1
print(dfzonnieuw)


# In[17]:


#maak een nieuwe kolom aan tp_value aan en plak hierin de timestamp_waarde
dfzonnieuw['tp_value'] = ''
print(dfzonnieuw)

v = 0
for a in dfzonnieuw.timestamp:
    native = a.timestamp()
    print (native)
    dfzonnieuw.tp_value[v] = native
    v = v + 1
print(dfzonnieuw)


# In[18]:


#maak een nieuwe kolom met tp_value in de weer dataframe
weer['tp_value'] = ''
print(weer)

#plak in de kolom tp_value de timestamp_waarde
w = 0
for wtp in weer.datum_nieuw_weer:
    a = pd.to_datetime(wtp)
    nativeweer = int(float(a.timestamp()))
    weer.tp_value[v] = nativeweer
    v = v + 1
print(weer)
#weer.tp_value = weer.tp_value.astype(int)
print(weer.dtypes)


# In[19]:


#bepaal de gelijke datumvelden in beide dataframes weer en zon
#zodat energie waarde uit df zon kan worden gematcht met
#de datum uit df weer
#maak een lijst van de corresponderende datumvelden: dit zijn de indexen
#om de energie waarde op de juiste plek uit df zon te halen en naar df weer te verplaatsen
check = []
for m in dfzonnieuw.tp_value:
    for l in weer.tp_value:
        m = int(m)
        if m == l:
            check.append(m)
            print("overeenkomst op ", m)
    #print('geen gelijkenis gevonden, volgende element in zon')
print(check)


# In[20]:


#haal de energie waarde uit df zon op
#plaats deze waarde in de kolom 'energie' van df weer
for elem in check:
    a = dfzonnieuw.index[dfzonnieuw.tp_value == elem]
    index_zon = a[0]
    e = dfzonnieuw["energie"][index_zon]
    b = weer.index[weer.tp_value == elem]
    index_data = b[0]
    weer.loc[index_data,['energie']] = e
print(weer["energie"])
print("controleren of de energie voor de eerste dag in de juiste kolom is geplaatst")
print(weer.loc[0:30,["tp_value","energie"]])
print("controleer nogmaals op een andere plek in het dataframe")
print(weer.loc[320:340,['tp_value',"energie"]])


# In[21]:


#hernoem dataframe
df = weer
df


# In[22]:


# vul lege cellen in met de voorgaande waarde (dit gebeurt wanneer)
# router is uitgevallen of batterij leeg is van weerstation: dan kunnen bepaalde dagen niet gematcht worden
# waardoor de energie-data ontbreken
df.fillna(method='ffill', inplace=True)
df['energie'] = df['energie'].fillna(0)
df['energie'] = df['energie'].astype(float)
print(df.loc[320:360,['tp_value',"energie"]])
print("controleer de maximumwaarde voor de energie in de maand")
print(df.max())
print(df.dtypes)


# In[23]:


#maak kolommen aan voor jaar en maand om te kunnen groeperen
df['jaar'] = pd.DatetimeIndex(df['datum_nieuw_weer']).year
df['maand'] = pd.DatetimeIndex(df['datum_nieuw_weer']).month
df['dag'] = pd.DatetimeIndex(df['datum_nieuw_weer']).day
print(df)


# In[24]:


#schrijf het dataframe weg in onderstaande map
print("SLA HET DATAFRAME OP INCL HET PAD, bijvoorbeeld: '/weer/maandoverzicht/2023/07/df_maandoverzicht_2023_07.csv' \n")
df_file = input('Onder welke naam sla je het dataframe op (csv-formaat)? ')
df.to_csv(df_file, sep=';', decimal=',', float_format='%g')
print(df.head())


# In[25]:


#STATISTIEK
print("STATISTIEK VAN DE DATA", sep='\n')
print("SOM", df.sum(), sep='\n')
print("GEMIDDELDE", df.mean(), sep='\n')
print("MEDIAAN", df.median(), sep='\n')
print("MODUS", df.mode(), sep='\n')
print("STANDAARDDEVIATIE", df.std(), sep='\n')
print("MINIMUM", df.min(), sep='\n')
print("MAXIMUM", df.max(), sep='\n')


# In[26]:


#bouw reeks voor maximum waarden
#LET OP: index nummers begint voor GEMIDDELDE EN STANDAARDDEVIATIE één index eerder
#dag verkrijgen van de max waarde, kan via df.tempuit.idxmax() of nog beter via argmax of argmin etc.
max_reeks = []
maximum = list(df.max())
max_reeks.append(maximum[3])
max_reeks.append(maximum[5])
max_reeks.append(maximum[7])
max_reeks.append(maximum[8])
max_reeks.append(maximum[9])
max_reeks.append(maximum[11])
max_reeks.append(maximum[12])
max_reeks.append(maximum[16])
max_reeks.append(maximum[17])
max_reeks.append(maximum[19])
maxima = pd.Series(max_reeks, index=['tempuit', 'dauwuit', 'vochtuit', 'windvlaag', 'windgem', 'druk', 'regen24u', 'vlaag_bft', 'windgem_bft', 'energie'], name='Maxima')
print(maxima)
#maxima.to_csv('D:/SynologyDrive/OneDrive/Bart_Actueel/Interesse/Python/weer/maand/maxima.csv')

#bouw reeks voor minimum waarden
min_reeks = []
minimum = list(df.min())
min_reeks.append(minimum[3])
min_reeks.append(minimum[5])
min_reeks.append(minimum[7])
min_reeks.append(minimum[8])
min_reeks.append(minimum[9])
min_reeks.append(minimum[11])
min_reeks.append(minimum[12])
min_reeks.append(minimum[16])
min_reeks.append(minimum[17])
min_reeks.append(minimum[19])
minima = pd.Series(min_reeks, index=['tempuit', 'dauwuit', 'vochtuit', 'windvlaag', 'windgem', 'druk', 'regen24u', 'vlaag_bft', 'windgem_bft', 'energie'], name='Minima')
print(minima)
#minima.to_csv('D:/SynologyDrive/OneDrive/Bart_Actueel/Interesse/Python/weer/maand/minima.csv')

#bouw reeks voor gemiddelde waarden
gem_reeks = []
gemiddelde = list(df.mean().round(decimals=1))
gem_reeks.append(gemiddelde[2])
gem_reeks.append(gemiddelde[4])
gem_reeks.append(gemiddelde[6])
gem_reeks.append(gemiddelde[7])
gem_reeks.append(gemiddelde[8])
gem_reeks.append(gemiddelde[10])
gem_reeks.append(gemiddelde[11])
gem_reeks.append(gemiddelde[15])
gem_reeks.append(gemiddelde[16])
gem_reeks.append(gemiddelde[17])
gemiddelden = pd.Series(gem_reeks, index=['tempuit', 'dauwuit', 'vochtuit', 'windvlaag', 'windgem', 'druk', 'regen24u', 'vlaag_bft', 'windgem_bft', 'energie'], name='Gemiddelden')
print(gemiddelden)
#gemiddelden.to_csv('D:/SynologyDrive/OneDrive/Bart_Actueel/Interesse/Python/weer/maand/gemiddelden.csv')

#bouw reeks voor standaarddeviatie waarden
std_reeks = []
std = list(df.std())
std_reeks.append(std[2])
std_reeks.append(std[4])
std_reeks.append(std[6])
std_reeks.append(std[7])
std_reeks.append(std[8])
std_reeks.append(std[10])
std_reeks.append(std[11])
std_reeks.append(std[15])
std_reeks.append(std[16])
std_reeks.append(std[18])
standaarddeviaties = pd.Series(std_reeks, index=['tempuit', 'dauwuit', 'vochtuit', 'windvlaag', 'windgem', 'druk', 'regen24u', 'vlaag_bft', 'windgem_bft', 'energie'], name='Standaarddeviaties')
print(standaarddeviaties)
#std.to_csv('D:/SynologyDrive/OneDrive/Bart_Actueel/Interesse/Python/weer/maand/std.csv')


# In[27]:


#COMBINEER PD SERIES IN PD DATAFRAME
#converteer pd series in pd dataframe
df_maxima = pd.DataFrame(maxima)
df_minima = pd.DataFrame(minima)
df_gemiddelden = pd.DataFrame(gemiddelden)
df_std = pd.DataFrame(standaarddeviaties)
df_statistiek = pd.concat([df_maxima, df_minima, df_gemiddelden, df_std], axis=1)
df_statistiek.columns = ['max', 'min', 'gem', 'std']

# toon het dataframe 
print("Eigenschappen van dataframe")
print(df_statistiek)
print(df_statistiek.shape)
print(df_statistiek.columns)
print(df_statistiek.dtypes)
print(type(df_statistiek))
print("SLA DE STATISTIEKEN VAN HET DATAFRAME OP inclusief het pad (bijvoorbeeld: '/weer/maandoverzicht/2023/07/df_statistiek_2023_07.csv'")
df_stat = input('Onder welke naam sla je de statistiek op (csv-formaat)? ')
df_statistiek.to_csv(df_stat, sep=';', decimal=',', float_format='%g')


# In[28]:


#GRAFIEKEN

#temperatuurverloop / lijndiagram
plt.figure(figsize=(12,10))
plt.title("temperatuurverloop")
sns.set_style("whitegrid")
ax = sns.lineplot(data=df, y='tempuit', x='datum', color="red", linewidth=0.5)
ax.xaxis.set_major_locator(plt.MaxNLocator(48))
ax.tick_params(axis = 'x', labelsize = 6)
plt.xticks(rotation=90)
plt.ylabel("Temperatuur (°C)")
plt.xlabel(None)
plt.savefig('/weer/plaatjes/figuur 1 temperatuur.png', dpi=400)
#plt.show()
plt.clf()

#temperatuur / dichtheidsdiagram
plt.title("heersende temperaturen")
sns.kdeplot(data=df['tempuit'], fill=True)
plt.xlabel("Temperatuur(°C)")
plt.ylabel("Dichtheid")
plt.savefig('/weer/plaatjes/figuur 2 heersende_temperaturen.png', dpi=400)
#plt.show()
plt.clf()

#neerslag / lijndiagram
plt.title("neerslag gedurende de maand")
sns.lineplot(data=df, y="regen24u", x="dag", color="blue", linewidth=1)
plt.xlabel("Dag")
plt.ylabel("Neerslag (mm)")
plt.savefig('/weer/plaatjes/figuur 3 neerslag.png', dpi=400)
#plt.show()
plt.clf()

#windsnelheid / lijndiagram
plt.figure(figsize=(12,8))
plt.title("windsnelheid gedurende de maand")
sns.set_style("whitegrid")
ax = sns.lineplot(data=df, y='windgem', x='datum', color="green", linewidth=0.2)
ax.xaxis.set_major_locator(plt.MaxNLocator(48))
ax.tick_params(axis = 'x', labelsize = 6)
plt.xticks(rotation=90)
plt.xlabel(None)
plt.ylabel("Wind (km/h)")
plt.savefig('/weer/plaatjes/figuur 6 windsnelheid.png', dpi=400)
#plt.show()
plt.clf()

#windrichting / dichtheidsdiagram
plt.title("heersende windrichtingen")
sns.kdeplot(data=df['windrichting'], fill=True)
plt.xlabel("Windrichting(°)")
plt.ylabel("Dichtheid")
plt.savefig('/weer/plaatjes/figuur 7 windrichting.png', dpi=400)
#plt.show()
plt.clf()

#luchtvochtigheid / lijndiagram
plt.title("luchtvochtigheid gedurende de maand")
sns.lineplot(data=df, y="vochtuit", x='dag', color="blue", linewidth=0.5)
plt.xlabel("Dag")
plt.ylabel("Luchtvochtigheid (%)")
plt.savefig('/weer/plaatjes/figuur 4 luchtvochtigheid.png', dpi=400)
#plt.show()
plt.clf()

#druk / lijndiagram
plt.title("luchtdruk gedurende de maand")
sns.lineplot(data=df, y="druk", x='dag', color='yellow')
plt.xlabel("Dag")
plt.ylabel("Luchtdruk (hPa)")
plt.savefig('/weer/plaatjes/figuur 5 luchtdruk.png', dpi=400)
#plt.show()
plt.clf()

#cirkeldiagram windrichting / windsnelheid
ax = plt.subplot(111, polar=True)
ax.scatter(x=[math.radians(x) for x in df['windrichting'].values], y=df['windgem'].values)
ax.set_theta_zero_location('N')
ax.set_theta_direction(-1)
ax.set_title("Windrichting (N=0°, Z=180°) en windsnelheid(km/h)")
#plt.show()
fig = ax.get_figure()
fig.savefig('/weer/plaatjes/figuur 8 windrichting_windsnelheid.png')
plt.clf()

#regressieplot met regressie
plt.title("temperatuur versus luchtvochtigheid")
sns.regplot(x=df['vochtuit'], y=df['tempuit'], scatter_kws = {'color': 'b', 'alpha':0.3}, line_kws = {'color': 'r', 'alpha':0.3, 'lw':3}, ci = None)
plt.ylabel("Temperatuur (°C)")
plt.xlabel("Luchtvochtigheid (%)")
plt.savefig('/weer/plaatjes/figuur 10 temp_vs_vocht.png', dpi=400)
#plt.show()
plt.clf()

#temperatuur versus windrichting, scatterplot met regressie
plt.title("temperatuur versus windrichting")
sns.scatterplot(x=df['tempuit'], y=df['windrichting'], hue=df['regen24u'])
plt.xlabel("Temperatuur (°C)")
plt.ylabel("Windrichting (O=90°,Z=180°,W=270°,N=360°")
plt.savefig('/weer/plaatjes/figuur 9 temp_vs_windrichting.png', dpi=400)
#plt.show()
plt.clf()

#druk versus luchtdruk/ jointplotdiagram, jointplot regressie
#plt.title("temperatuur versus luchtdruk")
#plt.xlabel("Temperatuur (°C)")
#plt.ylabel("Luchtdruk")
#sns.jointplot(data=df, x="tempuit", y="druk", kind="reg", color='blue')
#plt.savefig('/weer/plaatjes/temp_vs_druk_reg.png', dpi=400)
#plt.show()
#plt.clf()

#temperatuur versus druk, jointplot kde
plt.title("Temperatuur versus luchtdruk")
h = sns.jointplot(data=df, x="tempuit", y="druk", kind="kde", color='blue', hue="het_regent")
h.set_axis_labels('Temperatuur (°C)', 'Luchtdruk')
plt.savefig('/weer/plaatjes/figuur 12 temp_vs_druk_vs_hetregent_kde.png', dpi=400)
#plt.show()
plt.clf()

#temperatuur versus druk, jointplot hexagonaal
plt.title("Temperatuur (°C) versus luchtdruk (hPa)")
g = sns.jointplot(data=df, x="tempuit", y="druk", kind="hex", color='blue')
g.set_axis_labels('temperatuur', 'luchtdruk')
plt.savefig('/weer/plaatjes/figuur 11 temp_vs_druk_vs_hex.png', dpi=400)
#plt.show()
plt.clf()

#geef de correlatiecoëfficiënte weer tussen de dataframe variabelen
plt.title("correlatie tussen luchtdruk en temperatuur", fontsize = 7)
corrMatrix = df.corr()
print(corrMatrix)
sns.set(font_scale=0.8)
res = sns.heatmap(corrMatrix, annot=True, fmt='.1g', cmap= 'coolwarm', linewidths=3, linecolor='black', cbar=False, square=True)
res.set_yticklabels(res.get_ymajorticklabels(), fontsize = 7)
res.set_xticklabels(res.get_ymajorticklabels(), fontsize = 7)
plt.title('Correlatiecoëfficiënten')
plt.savefig('/weer/plaatjes/figuur 13 heatmap_correlatie.png')
#plt.show()
plt.clf()

#correlatie- en determinatiecoëfficiënt tussen temperatuur en luchtvochtigheid
correlatie = df["tempuit"].corr(df["vochtuit"])
print('CORRELATIEMATRIX')
print('correlatiecoëfficiënt temperatuur en luchtvochtigheid: \n', correlatie)
print('determinatiecoëfficiënt R2 temperatuur en luchtvochtigheid: \n', correlatie**2)

#correlatie- en determinatiecoëfficiënt tussen temperatuur en luchtdruk
correlatie = df["tempuit"].corr(df["druk"])
print('correlatiecoëfficiënt temperatuur en luchtdruk: \n', correlatie)
print('determinatiecoëfficiënt R2 temperatuur en luchtdruk: \n', correlatie**2)

#correlatie- en determinatiecoëfficiënt tussen temperatuur en windrichting
correlatie = df["tempuit"].corr(df["windrichting"])
print('correlatiecoëfficiënt temperatuur en windrichting: \n', correlatie)
print('determinatiecoëfficiënt R2 temperatuur en windrichting: \n', correlatie**2)

#correlatie- en determinatiecoëfficiënt tussen temperatuur en windsnelheid
correlatie = df["tempuit"].corr(df["windgem"])
print('correlatiecoëfficiënt temperatuur en windsnelheid: \n', correlatie)
print('determinatiecoëfficiënt R2 temperatuur en windsnelheid: \n', correlatie**2)

# Maandsom neerslag
neerslag = df.groupby(['dag'])['tempuit', 'regen24u'].max()
print('Dagoverzicht temperatuur en neerslag: \n', neerslag)
print('De neerslagsom over de maand bedraagt: \n', neerslag['regen24u'].sum(), " mm")


# In[29]:


# GRAFIEKEN MET ENERGIE
#T.b.v. de grafieken: beperk de kolommen voor x, y en z-assen.
zonenergie = df.groupby(['jaar', 'maand', 'dag'])['tempuit', 'energie', 'druk', 'regen24u'].max()
print(zonenergie)
print("")
print("De maandsom van de neerslag bedraagt", zonenergie['regen24u'].sum(), " mm.")

print("sla het verkorte zonenergie csv bestand op, bijvoorbeeld:") 
print("'/weer/maandoverzicht/2023/06/zonenergie.csv' \n")
naam = input('Hoe heet het bestand (csv-formaat)? ')
zonenergie.to_csv(naam, sep=';', decimal=',', float_format='%g')

# energieverloop / lijndiagram
plt.figure(figsize=(12,10))
plt.title("opgewekte energie")
sns.set_style("whitegrid")
ax = sns.lineplot(data=df, y='energie', x='datum', color="red", linewidth=0.5)
ax.xaxis.set_major_locator(plt.MaxNLocator(48))
ax.tick_params(axis = 'x', labelsize = 6)
plt.xticks(rotation=90)
plt.ylabel("Opgewekte energie (Wh)")
plt.xlabel(None)
plt.savefig('/weer/plaatjes/figuur 14 energie.png', dpi=400)
#plt.show()
plt.clf()

#sns.lineplot(data=zonenergie, y='energie', x='dag', color="red", linewidth=1)
#plt.title("opgewekte zonne-energie gedurende de maand")
#plt.xlabel("Dag")
#plt.ylabel("Energie (Wh)")
#plt.savefig('/weer/plaatjes/energie_verloop.png', dpi=400)
#plt.show()
#plt.clf()

#sns.lineplot(data=zonenergie, y='energie', x='dag', color="red", linewidth=1)
#plt.title("opgewekte zonne-energie gedurende de maand")
#plt.xlabel("Dag")
#plt.ylabel("Energie (Wh)")
#plt.savefig('/weer/plaatjes/energie_verloop.png', dpi=400)
#plt.show()
#plt.clf()

g = sns.jointplot(data=zonenergie, x="tempuit", y="energie", kind="reg", color='red')
g.set_axis_labels('Temperatuur (°C)', 'Energie (Wh)')
plt.savefig('/weer/plaatjes/figuur 16 temp_vs_energie_reg.png', dpi=400)
#plt.show()
plt.clf()

g = sns.pairplot(zonenergie, diag_kind="kde")
g.map_lower(sns.kdeplot, levels=4, color=".3")
plt.savefig('/weer/plaatjes/figuur 17 pairplot.png', dpi=400)
#plt.show()
plt.clf()

g = sns.jointplot(data=zonenergie, x="tempuit", y="energie", kind='hist', color='green')
g.set_axis_labels('Temperatuur (°C)', 'Energie (Wh)')
plt.savefig('/weer/plaatjes/figuur 15 temp_vs_energie_hist.png', dpi=400)
#plt.show()
plt.clf()

#g = sns.jointplot(data=zonenergie, x="tempuit", y="energie", kind="kde", color='purple')
#g.set_axis_labels('Temperatuur (°C)', 'Energie (Wh)')
#plt.savefig('/weer/plaatjes/temp_vs_energie_kde.png', dpi=400)
#plt.show()
#plt.clf()

g = sns.jointplot(data=zonenergie, x="tempuit", y="druk", hue='energie')
g.set_axis_labels('Temperatuur', 'Luchtdruk')
plt.savefig('/weer/plaatjes/figuur 18 temp_vs_druk_hue_energie.png', dpi=400)
#plt.show()
plt.clf()

g = sns.jointplot(data=zonenergie, x="tempuit", y="druk", kind='hist')
g.set_axis_labels('Temperatuur', 'Luchtdruk')
plt.savefig('/weer/plaatjes/figuur 19 temp_vs_druk_hist.png', dpi=400)
#plt.show()
plt.clf()