added history.html and cpu temperature plotting

1 files changed, 59 insertions, 6 deletions

diff --git a/plot.py b/plot.py
index 55b6ef3..b58cf7a 100755
--- a/plot.py
+++ b/plot.py
@@ -3,11 +3,63 @@ import matplotlib.pyplot as plt
 import numpy as np
 from PIL import Image
 import argparse
+from datetime import datetime, timedelta
+import matplotlib.dates as mdates
+
+import sqlite3
+
+def read_data_from_db(db_name):
+    """
+    Liest alle gespeicherten Temperatur- und Zeitstempeldaten aus der SQLite-Datenbank.
+
+    :param db_name: Name der SQLite-Datenbankdatei
+    :return: Liste von Tupeln mit (timestamp, temperature)
+    """
+    try:
+        # Verbindung zur Datenbank herstellen
+        conn = sqlite3.connect(db_name)
+        cursor = conn.cursor()
+
+        # Abfrage zum Abrufen aller Daten aus der Tabelle
+        cursor.execute("SELECT timestamp, temperature FROM cpu_temperature")
+        data = cursor.fetchall()  # Alle Ergebnisse abrufen
+
+        conn.close()  # Verbindung schließen
+        return data
+    except sqlite3.Error as e:
+        print(f"Fehler beim Lesen aus der Datenbank: {e}")
+        return []
+
+
 
 # Funktion zum Erstellen des Temperaturdiagramms mit Achsenbeschriftungen und Transparenz
 def create_temperature_plot_with_labels(output_filename):
-    times = np.arange(0, 24, 0.5)  # Zeitpunkte (alle halbe Stunde)
-    temperatures = 20 + 10 * np.sin(times / 24 * 2 * np.pi)  # Beispielhafte Sinuskurve für Temperaturen
+    db_name = "/var/www/html/cpu_temperature.db"
+    records = read_data_from_db(db_name)
+
+    if records:
+        for timestamp, temperature in records:
+            print(f"Zeit: {timestamp}, Temperatur: {temperature}°C")
+    else:
+        print("Keine Daten gefunden.")
+
+    # Aktuelle Zeit und Filterzeitraum (letzte 24 Stunden)
+    now = datetime.now()
+    last_24_hours = now - timedelta(hours=24)
+
+    # Filtern der Datensätze nach den letzten 24 Stunden
+    filtered_records = [
+        (datetime.strptime(timestamp, "%Y-%m-%d %H:%M:%S"), temperature)
+        for timestamp, temperature in records
+        if datetime.strptime(timestamp, "%Y-%m-%d %H:%M:%S") >= last_24_hours
+    ]
+    if not filtered_records:
+        print("Keine Daten in den letzten 24 Stunden gefunden.")
+        return
+
+    # Extrahieren von Zeitstempeln und Temperaturen aus den gefilterten Datensätzen
+    times = [timestamp for timestamp, _ in filtered_records]
+    temperatures = [temperature for _, temperature in filtered_records]
 
     # Grenzen für die y-Achse basierend auf den Temperaturdaten
     min_temp = np.floor(min(temperatures) / 5) * 5  # Abrunden auf das nächste Vielfache von 5
@@ -15,13 +67,14 @@ def create_temperature_plot_with_labels(output_filename):
 
     # Temperaturdiagramm zeichnen
     plt.figure(figsize=(8, 2), dpi=100)  # Größe des Diagramms: 800x100 Pixel
-    plt.plot(times, temperatures, color='yellow', linewidth=5, label='Temperatur')
+    plt.plot(times, temperatures, color='yellow', linewidth=2, label='Temperatur')
     plt.ylim(min_temp, max_temp)  # Y-Achse auf den Bereich der Daten begrenzen
     plt.xlabel('Uhrzeit', color='white')  # X-Achsenbeschriftung
-    plt.ylabel('Temperatur in °C',  color='white')  # Y-Achsenbeschriftung
-    plt.xticks(np.arange(0, 25, 4), color='white')  # X-Achse in 4-Stunden-Schritten beschriften
+    plt.ylabel('CPU Temp in °C', color='white')  # Y-Achsenbeschriftung
+    plt.xticks(color='white')  # X-Achse beschriften (automatisch), gedreht für bessere Lesbarkeit
     plt.yticks(np.arange(min_temp, max_temp + 1, 5), color='white')  # Y-Achse in Schritten von 5 beschriften
-    plt.grid(color='gray', linestyle='--', linewidth=0.5, alpha=0.7)
+    plt.grid(color='white', linestyle='--', linewidth=0.5, alpha=0.7)
+    plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
     plt.tight_layout()
 
     # Diagramm mit transparentem Hintergrund speichern