diff options
Diffstat (limited to 'plot.py')
| -rwxr-xr-x | plot.py | 165 |
1 files changed, 91 insertions, 74 deletions
@@ -1,47 +1,30 @@ #!/usr/bin/python3 +import sys +import sqlite3 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 +from PIL import Image -import sqlite3 - +# Funktion zum Lesen von Temperatur-, Luftfeuchtigkeits- und Zeitstempeldaten aus der SQLite-Datenbank 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 + cursor.execute("SELECT timestamp, temperature, humidity, moisture FROM sensor_data") + data = cursor.fetchall() + conn.close() 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): - 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: +# Funktion zum Erstellen eines Diagramms für Temperatur und Luftfeuchtigkeit (800x200 Pixel) +def create_temperature_humidity_plot(records, output_filename): + if not records: print("Keine Daten gefunden.") + return # Aktuelle Zeit und Filterzeitraum (letzte 24 Stunden) now = datetime.now() @@ -49,55 +32,83 @@ def create_temperature_plot_with_labels(output_filename): # 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 + (datetime.strptime(timestamp, "%Y-%m-%d %H:%M:%S"), temperature, humidity, moisture) + for timestamp, temperature, humidity, moisture 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 - max_temp = np.ceil(max(temperatures) / 5) * 5 # Aufrunden auf das nächste Vielfache von 5 - - # Temperaturdiagramm zeichnen - plt.figure(figsize=(8, 2), dpi=100) # Größe des Diagramms: 800x100 Pixel - 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('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='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 + # Extrahieren von Zeitstempeln, Temperaturen, Luftfeuchtigkeit und Feuchtigkeit + times = [timestamp for timestamp, _, _, _ in filtered_records] + temperatures = [temperature for _, temperature, _, _ in filtered_records] + humidities = [humidity for _, _, humidity, _ in filtered_records] + moistures = [moisture for _, _, _, moisture in filtered_records] + + # Grenzen für die y-Achsen basierend auf den Daten + min_temp = np.floor(min(temperatures) / 5) * 5 + max_temp = np.ceil(max(temperatures) / 5) * 5 + min_humidity = np.floor(min(humidities) / 10) * 10 + max_humidity = np.ceil(max(humidities) / 10) * 10 + min_moisture = np.floor(min(moistures) / 10) * 10 + max_moisture = np.ceil(max(moistures) / 10) * 10 + + # Diagramm zeichnen (800x200 Pixel) + fig, ax1 = plt.subplots(figsize=(8, 2), dpi=100) + + # Temperaturplot (linke Y-Achse) + ax1.set_xlabel('Uhrzeit', color='white') + ax1.set_ylabel('Temperatur (°C)', color='tab:red') + ax1.plot(times, temperatures, color='tab:red', label='Temperatur') + ax1.tick_params(axis='y', labelcolor='tab:red') + ax1.tick_params(axis='x', colors='white') + ax1.set_ylim(min_temp, max_temp) + ax1.spines['top'].set_color('white') + ax1.spines['bottom'].set_color('white') + ax1.spines['left'].set_color('white') + ax1.spines['right'].set_color('white') + + + # Luftfeuchtigkeitsplot (rechte Y-Achse) + ax2 = ax1.twinx() + ax2.set_ylabel('Luftfeuchtigkeit (%)', color='tab:blue') + ax2.plot(times, humidities, color='tab:blue', label='Luftfeuchtigkeit') + ax2.tick_params(axis='y', labelcolor='tab:blue') + ax2.set_ylim(min_humidity, max_humidity) + ax2.tick_params(axis='x', colors='white') + ax2.spines['top'].set_color('white') + ax2.spines['bottom'].set_color('white') + ax2.spines['left'].set_color('white') + ax2.spines['right'].set_color('white') + + # Feuchtigkeitsplot (dritte Y-Achse) + ax3 = ax1.twinx() + ax3.spines['right'].set_position(('outward', 60)) # Platz für die dritte Achse schaffen + ax3.set_ylabel('Feuchtigkeit (16-32k)', color='tab:green') + ax3.plot(times, moistures, color='tab:green', label='Feuchtigkeit') + ax3.tick_params(axis='y', labelcolor='tab:green') + ax3.set_ylim(min_moisture, max_moisture) + ax3.tick_params(axis='x', colors='white') + ax3.spines['top'].set_color('white') + ax3.spines['bottom'].set_color('white') + ax3.spines['left'].set_color('white') + ax3.spines['right'].set_color('white') + + # X-Achse formatieren + ax1.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M')) + + # Layout anpassen und Diagramm speichern + fig.tight_layout() plt.savefig(output_filename, transparent=True, bbox_inches='tight') plt.close() -# Funktion zum Laden und Überprüfen des Basisbildes -def load_and_check_base_image(image_path): - try: - base_image = Image.open(image_path) - if base_image.size != (1024, 768): - raise ValueError("Das Basisbild muss eine Größe von 1024x768 Pixeln haben.") - return base_image - except Exception as e: - print(f"Fehler beim Laden des Basisbildes: {e}") - return None # Funktion zum Überlagern des Diagramms auf das Basisbild def overlay_plot_on_image(base_image_path, plot_image_path, output_image_path): try: base_image = Image.open(base_image_path) - - plot_image = Image.open(plot_image_path) + plot_image = Image.open(plot_image_path).resize((800, 200)) # Größe des Plots anpassen # Überlagern des Diagramms auf das Basisbild (mit Transparenz) base_image.paste(plot_image, (112, 0), plot_image) # Zentrieren: (1024 - 800) / 2 = 112 @@ -110,21 +121,27 @@ def overlay_plot_on_image(base_image_path, plot_image_path, output_image_path): # Hauptfunktion def main(): - parser = argparse.ArgumentParser(description="Overlay transparentes Temperaturdiagramm auf ein Bild.") - parser.add_argument("image", help="Pfad zum Basisbild (1024x768 Pixel)") - parser.add_argument("output", help="Pfad zum kombinierten Ausgabebild") - args = parser.parse_args() + if len(sys.argv) != 3: + print("Bitte geben Sie den Pfad zum Basisbild und den Pfad zum Ausgabebild an.") + sys.exit(1) - base_image_path = args.image - output_image_path = args.output + base_image_path = sys.argv[1] + output_image_path = sys.argv[2] + + db_name = "/var/www/html/sensor_data.db" + + # Daten aus der Datenbank lesen + records = read_data_from_db(db_name) - # Temporäre Datei für das transparente Temperaturdiagramm - plot_filename = "temperature_plot_with_labels.png" + # Temporäre Datei für das transparente Temperatur- und Feuchtigkeitsdiagramm + plot_filename = "temperature_humidity_plot.png" + + # Diagramm erstellen und speichern + create_temperature_humidity_plot(records, plot_filename) - # Schritte ausführen: Diagramm erstellen und überlagern - create_temperature_plot_with_labels(plot_filename) + # Basisbild laden und Diagramm überlagern overlay_plot_on_image(base_image_path, plot_filename, output_image_path) if __name__ == "__main__": - main() + main() |