Implement initial project structure and setup

.gitignore

@@ -0,0 +1,3 @@
+.venv/
+*.un~
+.env

app.py

@@ -0,0 +1,115 @@
+SUPABASE_URL = userdata.get('SUPABASE_URL')
+
+SUPABASE_KEY = userdata.get('SUPABASE_KEY')
+
+import supabase
+table_threshold = "Threshold_data"
+table_sensor = "Sensor_data"
+table_troubleshooting = "Troubleshooting_collection"
+
+# クライアントの初期化
+supabase_client = supabase.create_client(SUPABASE_URL, SUPABASE_KEY)
+
+
+# データ取得
+threshold_data = supabase_client.table(table_threshold).select("*").execute()
+sensor_data = supabase_client.table(table_sensor).select("*").execute()
+troubleshooting_data = supabase_client.table(table_troubleshooting).select("*").execute()
+
+import pandas as pd
+threshold_df = pd.DataFrame(threshold_data.data)
+sensor_df = pd.DataFrame(sensor_data.data)
+troubleshooting_df = pd.DataFrame(troubleshooting_data.data)
+
+def check_thresholds(sensor_df, threshold_df):
+    alerts = []
+
+    # '下限'と'上限'カラムを数値型に変換。変換できない値はNaNとする。
+    threshold_df['下限'] = pd.to_numeric(threshold_df['下限'], errors='coerce')
+    threshold_df['上限'] = pd.to_numeric(threshold_df['上限'], errors='coerce')
+
+    for _, row in threshold_df.iterrows():
+        metric = row["指標名"]
+        min_val = row["下限"]
+        max_val = row["上限"]
+        data_no = row["No."] # Get the 'No.' from threshold_df
+
+        # センサーデータに指標が存在しない場合はスキップ
+        if metric not in sensor_df.columns:
+            continue
+
+        # センサーデータの該当カラムを数値型に変換。変換できない値はNaNとする。
+        sensor_metric_data = pd.to_numeric(sensor_df[metric], errors='coerce')
+
+
+        for i, value in enumerate(sensor_metric_data):
+            # Assuming 'datetime' is the timestamp column in sensor_df
+            timestamp = sensor_df.loc[i, "datetime"] if "datetime" in sensor_df.columns else i
+
+            # 下限チェック
+            if pd.notna(min_val) and pd.notna(value) and value < min_val:
+                alerts.append({
+                    "timestamp": timestamp,
+                    "metric": metric,
+                    "value": value,
+                    "status": f"下限値 {min_val} 未満",
+                    "data no.": data_no # Add the 'data no.'
+                })
+
+            # 上限チェック
+            if pd.notna(max_val) and pd.notna(value) and value > max_val:
+                alerts.append({
+                    "timestamp": timestamp,
+                    "metric": metric,
+                    "value": value,
+                    "status": f"上限値 {max_val} 超過",
+                    "data no.": data_no # Add the 'data no.'
+                })
+
+    return pd.DataFrame(alerts)
+
+# 実行
+alerts_df = check_thresholds(sensor_df, threshold_df)
+
+# 同じタイムスタンプでdata no.が二つ以上あるデータを抽出
+grouped_alerts = alerts_df.groupby('timestamp')['data no.'].nunique()
+multiple_data_nos_timestamps = grouped_alerts[grouped_alerts > 1].index.tolist()
+
+# alerts_df を複数データ番号を持つタイムスタンプでフィルタリング
+filtered_alerts_df = alerts_df[alerts_df['timestamp'].isin(multiple_data_nos_timestamps)]
+
+# タイムスタンプでグループ化し、各タイムスタンプのユニークなデータ番号をリストとして取得
+data_nos_by_timestamp = filtered_alerts_df.groupby('timestamp')['data no.'].unique().apply(list)
+
+# 結果を辞書のリストに変換（オプション。分かりやすさのため）
+result_list = []
+for timestamp, data_nos in data_nos_by_timestamp.items():
+    # 数値のリストをカンマ区切りの文字列に変換
+    data_nos_str = ', '.join(map(str, data_nos))
+    result_list.append({"timestamp": timestamp, "data_nos": data_nos_str})
+
+# 辞書のリストをpandas DataFrameに変換
+result_df = pd.DataFrame(result_list)
+
+
+# troubleshooting_dfの指標No.列をリストのリストに変換
+# 例: '1,2' -> [1, 2]
+troubleshooting_indicator_lists = troubleshooting_df['指標No.'].str.split(',').apply(lambda x: [int(i) for i in x])
+
+# result_dfのdata_nos列をリストのリストに変換
+# 例: '5, 25' -> [5, 25]
+result_data_nos_lists = result_df['data_nos'].str.split(', ').apply(lambda x: [int(i) for i in x])
+
+# 組み合わせを持つかどうか判定し、該当する情報を出力
+for i, result_nos in enumerate(result_data_nos_lists):
+    result_timestamp = result_df.loc[i, 'timestamp']
+    for j, troubleshooting_nos in enumerate(troubleshooting_indicator_lists):
+        # troubleshooting_nos の組み合わせが result_nos の組み合わせに含まれるか判定
+        if set(troubleshooting_nos).issubset(set(result_nos)):
+            troubleshooting_situation = troubleshooting_df.loc[j, 'シチュエーション\n（対応が必要な状況）']
+            troubleshooting_action = troubleshooting_df.loc[j, 'sub goal到達のために必要な行動\n（解決策）']
+
+            print(f"Timestamp: {result_timestamp}")
+            print(f"Situation: {troubleshooting_situation}")
+            print(f"Action: {troubleshooting_action}")
+            print("-" * 20) # 区切り線