# -*- coding: utf-8 -*-
"""
Created on Mon Oct 13 20:00:52 2025

@author: rodri
"""

# Utilizamos el módulo Pandas (principalmente) para trabajar con datos
import pandas as pd


# %%


# Cargamos los datos del archivo csv, ignorando la primer fila y tomando la
# segunda como cabecera.
# Recuerda que antes de cargar el archivo del INIA hay que chequear su contenido,
# eliminando filas innecesarias
DATOS_DIARIOS = pd.read_csv("La_Estanzuela.csv", skiprows=0, header=1)

# Asigno a la columna Fecha como índice
DATOS_DIARIOS = DATOS_DIARIOS.set_index('Fecha', drop=True)
# Al indice le asigno el tipo de datos "datetime"
DATOS_DIARIOS.index = pd.to_datetime(DATOS_DIARIOS.index, format='%Y-%m-%d')

# Cualquier archivo que queramos cargar debe implementar minimamente las líneas anteriores
# En este punto DATOS_DIARIOS se conoce como "DataFrame" es una estructura del módulo pandas.
# En el explorador de variables se puede visualizar el contenido de este dataframe

# %%

# Si queremos visualizar rapidamente las series almacenadas en el dataframe "DATOS_DIARIOS"
# podemos ejecutar

DATOS_DIARIOS.plot(grid=True)

# %%

# Si queremos graficar solo una columna del DataFrame (una única variable), lo hacemos por su nombre.
# podemos ver los nombres de las columnas desde el explorador de variables o ejecutando:
print(DATOS_DIARIOS.columns)

# %%

# Por ejemplo, si queremos plotear la temperatura:

ax = DATOS_DIARIOS['Temp. Aire Media (ºC)'].plot(grid=True)
ax.set_title("Temperatura Media Diaria - La Estanzuela")


# %%

# Si quisieramos plotear un subset temporal:

Temp = DATOS_DIARIOS['Temp. Aire Media (ºC)']
ax = Temp.loc['2023-01-01':'2023-12-31'].plot(grid=True)
ax.set_title("Temperatura Media Diaria - La Estanzuela")
ax.set_xlabel("Fecha")
ax.set_ylabel("Temperatura °C")


# %%

# Estadisticos Ejemplo para la temperatura (en la celda referncié "Temp" a la temperatutra):

promedio = Temp.mean()
desviación_estandar = Temp.std()

# %%

# Puedo superponer esta información en un gráfico
# ademas se muestra el uso de colores

# https://matplotlib.org/cheatsheets/_images/cheatsheets-1.png
# https://matplotlib.org/cheatsheets/_images/cheatsheets-2.png


ax = Temp.plot(grid=True)
ax.set_title("Temperatura Media Diaria - La Estanzuela")
ax.set_xlabel("Fecha")
ax.set_ylabel("Temperatura °C")

# Linea de media climatológica (serie completa de 30 años)
ax.axhline(y=promedio, color = 'C1')

# 2 veces la desviación estandar climatológica
ax.axhline(y=promedio+2*desviación_estandar, color = 'C2')
ax.axhline(y=promedio-2*desviación_estandar, color = 'C2')


# %%

# Una grafica de frecuencia diaria para varios años muestra mucha información
# Si queremos observar tendencias inter anuales es conveniente tomar la media anual

# resample agrupa los valores según lo indicado en parentesis, en este caso
# 'YS' (year start) y luego se calcula la media
# a cualquer agrupación que se realice se le pueden calcular diferentes estadísticos,
# como la media ( .mean() ), la suma ( .sum() ), desviación estandar ( .std() ), etc.

TempAnual = Temp.resample('YS').mean()

ax = TempAnual.plot(grid=True)
ax.set_title("Temperatura Media Anual - La Estanzuela")
ax.set_xlabel("Fecha")
ax.set_ylabel("Temperatura °C")
ax.set_ylim([15.5,17.5])


# %%
# PRecipitación
pp_inia = DATOS_DIARIOS['Precip. Acumulada (mm)']
# Precipitación acumulada Mensual
pp_mensual_inia = pp_inia.resample('MS').sum()

pp_mensual_inia.hist(bins=40)
# %%
# Serie mensual de precipitación
ax = pp_mensual_inia.plot(grid=True)

ax.set_title("Histograma de precipitaciíon")
# %%

pp_marcha = pp_mensual_inia.groupby(pp_mensual_inia.index.month).mean()

# pp_marcha = pp_marcha

ax = pp_marcha.plot.bar(grid=True)

ax.set_xticks(
    [0,1,2,3,4,5,6,7,8,9,10,11],
    ['Ene', 'Feb', 'Mar','Abr','May','Jun','Jul','Ago','Sep','Oct','Nov', 'Dic'])

ax.set_title("Marcha anual de Precipitación La Estanzuela")

# %% ##########################################################################
###############################################################################

# Ejemplo ERA5

# Temperatura
# Cargo los datos y genero el dataframe con indice

DATOS_ERA5_temp = pd.read_csv("reanalysis-era5-land-timeseries-sfc-2m-temperature02aizex_.csv", header=0)

DATOS_ERA5_temp = DATOS_ERA5_temp.set_index('valid_time', drop=True)

DATOS_ERA5_temp.index = pd.to_datetime(DATOS_ERA5_temp.index)

# Observar en que unidades se encuentra la temperatura

# %%


Temp_ERA5_centigrados = DATOS_ERA5_temp['t2m'] - 273.15

Temp_ERA5_cent_anual = Temp_ERA5_centigrados.resample('YS').mean()

ax = Temp_ERA5_cent_anual.plot(grid=True)
ax.set_title("Temperatura Media Anual ERA5 - La Estanzuela")
ax.set_xlabel("Fecha")
ax.set_ylabel("Temperatura °C")
ax.set_ylim([15.5,17.5])

# %%

# Precipitación
# la precipitación se encuentra en metros cubicos, multilicando por 1000 la pasamos a mm
DATOS_ERA5_pp = pd.read_csv("reanalysis-era5-land-timeseries-sfc-pressure-precipitationfyvddsj0.csv", header=0)

DATOS_ERA5_pp = DATOS_ERA5_pp.set_index('valid_time', drop=True)

DATOS_ERA5_pp.index = pd.to_datetime(DATOS_ERA5_pp.index)

# %%

# Precipitación acumulada Mensual
pp_era5_mensual = DATOS_ERA5_pp['tp'].resample('MS').sum()

pp_era5_mensual.hist(bins=40)
# %%
# Serie mensual de precipitación
ax = pp_era5_mensual.plot(grid=True)

ax.set_title("Serie de precipitaciíon")
# %%

# Marcha anual

pp_marcha_anual = pp_era5_mensual.groupby(pp_era5_mensual.index.month).mean()

pp_marcha_anual = pp_marcha_anual*1000

ax = pp_marcha_anual.plot.bar(grid=True)

ax.set_xticks(
    [0,1,2,3,4,5,6,7,8,9,10,11],
    ['Ene', 'Feb', 'Mar','Abr','May','Jun','Jul','Ago','Sep','Oct','Nov', 'Dic'])

ax.set_title("Marcha anual de Precipitación")