AcidMap/scripts/import_MSM_output.py

"""
络合模型输出数据导入脚本
@description: 从Excel文件读取MSM_output数据并导入到MSM_output_data表
"""

import os
import sys
import pandas as pd
import logging
from datetime import datetime

# 添加项目根目录到Python路径
sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))

from app.database import engine, SessionLocal
from app.models.MSM_output import MSMOutputData  # 确保已创建MSMOutputData模型

# 设置日志
logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
)
logger = logging.getLogger(__name__)


class MSMOutputDataImporter:
    """
    络合模型输出数据导入器

    @description: 从Excel文件读取MSM输出数据并导入到MSM_output_data表
    """

    def __init__(self, excel_path, sheet_name='MSM_output'):
        """
        初始化导入器

        @param {str} excel_path - Excel文件路径
        @param {str} sheet_name - Sheet名称，默认为'MSM_output'
        """
        self.excel_path = excel_path
        self.sheet_name = sheet_name

        # 定义必需列
        self.required_columns = [
            'Farmland_ID',
            'Sample_ID',
            'Var:',
            'Cd.solution'
        ]

    def read_excel_data(self):
        """
        读取Excel文件数据

        @returns: DataFrame 读取的数据
        """
        try:
            logger.info(f"开始读取Excel文件: {self.excel_path}")
            logger.info(f"Sheet名称: {self.sheet_name}")

            # 检查文件是否存在
            if not os.path.exists(self.excel_path):
                raise FileNotFoundError(f"Excel文件不存在: {self.excel_path}")

            # 读取Excel文件
            df = pd.read_excel(self.excel_path, sheet_name=self.sheet_name)

            logger.info(f"成功读取数据，共 {len(df)} 行")
            logger.info(f"数据列: {list(df.columns)}")

            # 显示前几行数据供确认
            logger.info("前5行数据预览:")
            logger.info(df.head().to_string())

            return df

        except Exception as e:
            logger.error(f"读取Excel文件失败: {str(e)}")
            raise

    def validate_data(self, df):
        """
        验证数据格式和完整性

        @param {DataFrame} df - 要验证的数据
        @returns: DataFrame 验证后的数据
        """
        try:
            logger.info("开始验证数据...")

            # 检查必需的列是否存在
            missing_columns = [col for col in self.required_columns if col not in df.columns]

            if missing_columns:
                raise ValueError(f"缺少必需的列: {missing_columns}")

            # 检查Farmland_ID、Sample_ID和Var:是否重复
            duplicates = df.duplicated(subset=['Farmland_ID', 'Sample_ID', 'Var:'])
            if duplicates.any():
                dup_rows = df[duplicates]
                logger.warning(f"发现 {len(dup_rows)} 条重复记录(基于Farmland_ID, Sample_ID和Var:)")
                logger.info("重复记录示例:\n" + dup_rows.head().to_string())
                # 删除重复行，保留第一个出现的
                df = df.drop_duplicates(subset=['Farmland_ID', 'Sample_ID', 'Var:'], keep='first')
                logger.info(f"删除重复记录后剩余 {len(df)} 行数据")

            # 处理字符串列
            string_columns = ['Var:']
            for col in string_columns:
                if col in df.columns:
                    df[col] = df[col].astype(str).fillna('')

            # 处理数值列
            numeric_columns = ['Cd.solution']
            for col in numeric_columns:
                if col in df.columns:
                    # 尝试转换为数值类型
                    df[col] = pd.to_numeric(df[col], errors='coerce')

                    # 检查空值
                    null_count = df[col].isnull().sum()
                    if null_count > 0:
                        logger.warning(f"列 {col} 中有 {null_count} 个空值或无效值")
                        # 标记为无效
                        df[f'{col}_invalid'] = df[col].isnull()

            # 处理Farmland_ID和Sample_ID
            for col in ['Farmland_ID', 'Sample_ID']:
                if col in df.columns:
                    # 尝试转换为整数
                    df[col] = pd.to_numeric(df[col], errors='coerce').fillna(-1)

                    # 检查无效值
                    invalid_ids = df[df[col] < 0]
                    if not invalid_ids.empty:
                        logger.warning(f"列 {col} 中有 {len(invalid_ids)} 条无效值")
                        logger.info("问题行:\n" + invalid_ids.head().to_string())
                        # 标记为无效
                        df[f'{col}_invalid'] = df[col] < 0

            logger.info(f"数据验证完成，有效数据 {len(df)} 行")
            return df

        except Exception as e:
            logger.error(f"数据验证失败: {str(e)}")
            raise

    def create_msm_output_object(self, row):
        """
        创建MSM输出数据对象

        @param {pd.Series} row - 数据行
        @returns: MSMOutputData 对象
        """
        try:
            # 处理无效数据
            invalid_fields = []
            for col in self.required_columns:
                if f'{col}_invalid' in row and row[f'{col}_invalid']:
                    invalid_fields.append(col)

            if invalid_fields:
                logger.warning(
                    f"跳过无效行: Farmland_ID={row['Farmland_ID']}, Sample_ID={row['Sample_ID']}, 无效字段: {', '.join(invalid_fields)}")
                return None

            # 创建对象
            return MSMOutputData(
                farmland_id=int(row['Farmland_ID']),
                sample_id=int(row['Sample_ID']),
                var=row['Var:'],
                cd_solution=row['Cd.solution']
            )
        except KeyError as e:
            logger.warning(f"创建对象时缺少必要字段: {str(e)}")
            return None
        except Exception as e:
            logger.warning(f"创建MSMOutputData对象失败: {str(e)}")
            return None

    def import_data(self, df):
        """
        将数据导入到数据库

        @param {DataFrame} df - 要导入的数据
        """
        try:
            logger.info("开始导入数据到数据库...")

            # 创建数据库会话
            db = SessionLocal()

            try:
                # 检查现有数据量
                existing_count = db.query(MSMOutputData).count()
                logger.info(f"数据库中现有MSM输出数据记录: {existing_count} 条")

                # 批量创建对象并导入
                total_rows = len(df)
                imported_count = 0
                skipped_count = 0
                invalid_count = 0
                batch_size = 100
                objects_to_insert = []

                # 准备批量处理
                for i, row in df.iterrows():
                    # 跳过前处理无效数据
                    invalid = False
                    for col in self.required_columns:
                        if f'{col}_invalid' in row and row[f'{col}_invalid']:
                            invalid = True
                            break

                    if invalid:
                        invalid_count += 1
                        continue

                    try:
                        obj = self.create_msm_output_object(row)
                        if not obj:
                            skipped_count += 1
                            continue

                        objects_to_insert.append(obj)
                        imported_count += 1

                        # 每100条提交一次
                        if len(objects_to_insert) >= batch_size:
                            db.add_all(objects_to_insert)
                            db.commit()
                            logger.info(f"已批量导入 {imported_count}/{total_rows} 条数据")
                            objects_to_insert = []

                    except Exception as e:
                        logger.warning(f"处理行 {i} 时出错: {str(e)}")
                        skipped_count += 1
                        db.rollback()

                # 提交剩余数据
                if objects_to_insert:
                    db.add_all(objects_to_insert)
                    db.commit()

                # 更新统计信息
                new_count = db.query(MSMOutputData).count()
                added_count = new_count - existing_count

                logger.info(f"MSM输出数据导入完成!")
                logger.info(f"尝试导入行数: {total_rows}")
                logger.info(f"成功导入: {imported_count} 条")
                logger.info(f"跳过无效数据: {invalid_count} 条")
                logger.info(f"处理失败: {skipped_count} 条")
                logger.info(f"数据库中新增加: {added_count} 条记录")
                logger.info(f"数据库总记录: {new_count} 条")

            except Exception as e:
                db.rollback()
                logger.error(f"数据导入失败，已回滚: {str(e)}")
                raise
            finally:
                db.close()

        except Exception as e:
            logger.error(f"数据导入过程失败: {str(e)}")
            raise

    def run_import(self):
        """
        执行完整的导入流程
        """
        try:
            logger.info("=" * 60)
            logger.info("开始MSM输出数据导入流程")
            logger.info("=" * 60)

            # 1. 读取Excel数据
            df = self.read_excel_data()

            # 2. 验证数据
            df = self.validate_data(df)

            # 3. 导入数据
            self.import_data(df)

            logger.info("=" * 60)
            logger.info("MSM输出数据导入流程完成!")
            logger.info("=" * 60)

        except Exception as e:
            logger.error(f"导入流程失败: {str(e)}")
            raise


def main():
    """
    主函数
    """
    # Excel文件路径
    excel_path = r"D:\destkop\数据库对应数据.xlsx"  # 根据实际路径修改
    sheet_name = "MSM_output"  # 确保Excel中有这个sheet

    try:
        # 创建导入器并执行导入
        importer = MSMOutputDataImporter(excel_path, sheet_name)
        importer.run_import()

    except Exception as e:
        logger.error(f"程序执行失败: {str(e)}")
        sys.exit(1)


if __name__ == "__main__":
    main()