Analyse der heissesten und kältesten Messstationen¶

import requests 
import pandas as pd
import geopandas as gpd 
import matplotlib.pyplot as plt # for plotting
import folium
import branca
import math

# Auswahl an Zeitraum (z.B. eine Hitzewelle, ein Monat, oder der ganze Sommer)
# Daten (UTC) als String in folgendem Format: "YYYY-MM-DDThh:mm:ssZ"
time_from = "2024-10-01T00:00:00Z"
time_to = "2024-10-11T23:59:59Z"

# Auswahl an Stationen
# Wenn alle Stationen berücksichtigt werden sollen, dann einfach die Liste leer lassen
# Hier ist eine Liste aller Stationen mit Name und ID: https://smart-urban-heat-map.ch/api/v2/latest
# station_ids = ["11001", "11002"] # Beispiel für nur eine Auswahl von zwei Stationen
station_ids = [] # Beispiel für alle Stationen

def get_stations() -> gpd.GeoDataFrame:
    response = requests.get(
            url=f"https://smart-urban-heat-map.ch/api/v2/latest"
    )
    stations = gpd.read_file(response.text)

    return stations

def get_station_analysis_mean_temp(time_from: str, time_to: str, station_ids: [str]) -> pd.DataFrame:
    stations = get_stations()
    if station_ids:
        stations = stations[stations["stationId"].isin(station_ids)]
    
    time_from_dt = pd.to_datetime(time_from)
    time_to_dt = pd.to_datetime(time_to)
    time_difference = time_to_dt - time_from_dt
    min_expected_values = round(time_difference.days * 24 * 2) # minimum two values per hour
        
    stations["mean_temperature"] = None
    stations["max_temperature"] = None
    stations["date_of_max_temperature"] = None
    stations["min_temperature"] = None
    stations["date_of_min_temperature"] = None

    
    for idx, station in stations.iterrows():
        station_id = station.stationId
        response = requests.get(url=f"https://smart-urban-heat-map.ch/api/v2/timeseries?stationId={station_id}&timeFrom={time_from}&timeTo={time_to}")
        
        payload = response.json()
        if payload["values"] is None or not len(payload["values"]): 
            stations = stations.drop(idx)
            continue
            
        if len(payload["values"]) < min_expected_values:
            stations = stations.drop(idx)
            continue
                        
        df = pd.DataFrame(payload["values"])

        df["dateObserved"] = pd.to_datetime(df["dateObserved"])
        df["dateObserved"] = df["dateObserved"].dt.tz_convert("Europe/Zurich")
        
        # hier wird der mittelwert berechnet
        mean_temperature = mean_temperatures(df)
        
        # hier werden die min und max temperaturen berechnet
        # und das jeweilige datum herausgeschrieben
        min_temperature = min_temperatures(df)[0]
        date_of_min_temperature = min_temperatures(df)[1]
        max_temperature = max_temperatures(df)[0]
        date_of_max_temperature = max_temperatures(df)[1]

        # hier wird der mittelwert dem 'stations' dataframe hinzugefügt
        stations.at[idx, "mean_temperature"] = mean_temperature
        
        # hier werden der min und max temperatur sowie deren messdatum dem 'stations' dataframe hinzugefügt
        stations.at[idx, "min_temperature"] = min_temperature
        stations.at[idx, "date_of_min_temperature"] = date_of_min_temperature
        stations.at[idx, "max_temperature"] = max_temperature
        stations.at[idx, "date_of_max_temperature"] = date_of_max_temperature

    return stations

    
def mean_temperatures(df: pd.DataFrame) -> float:
    mean_temp = df.mean()["temperature"]
    return mean_temp

def min_temperatures(df: pd.DataFrame) -> tuple[float,str]:
    min_temp = df.min()["temperature"]
    dateof_min_temp = df.loc[df['temperature'].idxmin()]['dateObserved']
    return min_temp, dateof_min_temp

def max_temperatures(df: pd.DataFrame) -> tuple[float,str]:
    max_temp = df.max()["temperature"]
    dateof_max_temp = df.loc[df['temperature'].idxmax()]['dateObserved']
    return max_temp, dateof_max_temp

# n wärmste Stationen auswählen
n_warmest = 3 # z.B. Wert 3 eingeben, um die wärmsten 3 Stationen anzuzeigen

# n kälteste Stationen auswählen
n_coldest = 3 # z.B. Wert 3 eingeben, um die kältesten 3 Stationen anzuzeigen