Polyfit / src /data_preprocessing.py
ClementGERARD's picture axelrvite's picture
Update src/data_preprocessing.py (#35)
d172ed9 verified
Raw History Blame
12.1 kB
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Module de prétraitement des données pour le projet d'IA solaire.
Ce module permet de charger les fichiers CSV contenant les courbes I-V,
d'extraire les caractéristiques et les paramètres cibles, et de préparer
les données pour l'entraînement du modèle.
"""
import joblib
import os
import glob
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import logging
from scipy.interpolate import interp1d
# Configuration du logging
logging.basicConfig(level=logging.INFO,
format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)
class SolarDataProcessor:
"""
Classe pour le prétraitement des données de cellules solaires.
"""
def __init__(self,model_dir, data_dir, n_points=230):
"""
Initialise le processeur de données.
Args:
data_dir (str): Chemin vers le répertoire contenant les fichiers CSV.
n_points (int): Nombre de points à utiliser pour l'interpolation des courbes I-V.
"""
self.data_dir = data_dir
self.model_dir = os.path.join(os.getcwd(), "models")
self.n_points = n_points
self.input_scaler = StandardScaler()
self.output_scaler = StandardScaler()
self.X_train = None
self.X_val = None
self.X_test = None
self.y_train = None
self.y_val = None
self.y_test = None
self.X_user = None
self.y_user = None
def find_csv_files(self):
"""
Trouve tous les fichiers CSV dans le répertoire de données.
Returns:
list: Liste des chemins vers les fichiers CSV.
"""
csv_pattern = os.path.join(self.data_dir, "*.csv")
csv_files = glob.glob(csv_pattern)
logger.info(f"Trouvé {len(csv_files)} fichiers CSV dans {self.data_dir}")
return csv_files
def load_and_process_file(self, file_path):
"""
Charge et prétraite un fichier CSV.
Args:
file_path (str): Chemin vers le fichier CSV.
Returns:
tuple: (X, y) où X est la courbe I-V et y sont les paramètres cibles.
"""
try:
# Charger le fichier CSV
df = pd.read_csv(file_path)
# Vérifier que les colonnes attendues sont présentes
required_cols = ['V', 'I', 'Rsh', 'Rs', 'n', 'J0', 'Jph']
if not all(col in df.columns for col in required_cols):
logger.warning(f"Colonnes manquantes dans {file_path}, fichier ignoré")
return None, None
# Extraire les colonnes V et I comme entrées
X = df[['V', 'I']].values
# Extraire les paramètres cibles (utiliser la première ligne car ils sont répétés)
y = df[['Rsh', 'Rs', 'n', 'J0', 'Jph']].iloc[0].values
return X, y
except Exception as e:
logger.error(f"Erreur lors du chargement du fichier {file_path}: {e}")
return None, None
def interpolation(self, X):
"""
interpole une courbe I-V pour avoir un nombre fixe de points.
Args:
X (numpy.ndarray): Courbe I-V d'origine.
Returns:
numpy.ndarray: Courbe I-V normalisée.
"""
# Interpolation pour avoir n_points
v_min, v_max = X[0, 0], X[-1, 0]
v_new = np.linspace(v_min, v_max, self.n_points)
# Interpolation linéaire pour le courant
i_new = np.interp(v_new, X[:, 0], X[:, 1])
# Retourner la courbe normalisée
return np.column_stack((v_new, i_new))
if post_train:
# Si post_train est True, ne pas diviser les données
input_path = os.path.join(self.model_dir, 'input_scaler.pkl')
self.input_scaler = joblib.load(input_path)
X_scaled = self.input_scaler.transform(X_flat)
self.output_scalers = []
y_scaled_list = []
for i in range(5):
scaler_path = os.path.join(self.model_dir, f'output_scaler_{i}.pkl')
scaler = joblib.load(scaler_path)
self.output_scalers.append(scaler)
y_scaled = scaler.transform(y_split[i])
y_scaled_list.append(y_scaled)
self.X_user = X_scaled
self.y_user = y_scaled_list
return True
else:
input_path = os.path.join(self.model_dir, 'input_scaler.pkl')
X_scaled = self.input_scaler.fit_transform(X_flat)
joblib.dump(self.input_scaler, input_path)
self.output_scalers = []
y_scaled_list = []
for i in range(5):
scaler = StandardScaler()
y_scaled = scaler.fit_transform(y_split[i])
self.output_scalers.append(scaler)
y_scaled_list.append(y_scaled)
scaler_path = os.path.join(self.model_dir,f'output_scaler_{i}.pkl')
joblib.dump(scaler,scaler_path)
y_scaled = np.hstack(y_scaled_list)
# Diviser les données: 70% entraînement, 15% validation, 15% test
X_train_val, X_test, y_train_val, y_test = train_test_split(
X_scaled, y_scaled, test_size=0.15, random_state=42)
X_train, X_val, y_train, y_val = train_test_split(
X_train_val, y_train_val, test_size=0.15/0.85, random_state=42)
# Stocker les données
self.X_train = X_train
self.X_val = X_val
self.X_test = X_test
self.y_train = self.split_labels(y_train)
self.y_val = self.split_labels(y_val)
self.y_test = self.split_labels(y_test)
logger.info(f"Prétraitement terminé: {len(X_train)} échantillons d'entraînement, "
f"{len(X_val)} de validation, {len(X_test)} de test")
return True
def preprocess_input(self, csv_files, path, A = True):
X_list = []
I_list = []
V_list = []
for file_path in csv_files:
df = pd.read_csv(file_path)
if not A:
df["I"] = df["I"]*1e-3
#jsc = float(interp1d(df['V'], df['I'], bounds_error=False, fill_value='extrapolate')(0))
#print('jsc', jsc)
#df["I"] = df["I"] - jsc
if df['I'].iloc[-1] < 0:
df["I"] = -df["I"]
X = df[['V', 'I']].values
X_norm = self.interpolation(X)
X_list.append(X_norm)
V_list.append(X[:, 0])
I_list.append(X[:, 1])
X_array = np.array(X_list)
X_flat = X_array.reshape(X_array.shape[0], -1)
input_path = os.path.join(self.model_dir, 'input_scaler.pkl')
self.output_scalers = []
for i in range(5):
scaler_path = os.path.join(self.model_dir,f'output_scaler_{i}.pkl')
scaler = joblib.load(scaler_path)
self.output_scalers.append(scaler)
self.input_scaler = joblib.load(input_path)
# Vérifier si le scaler est fitted en vérifiant les attributs nécessaires
if not hasattr(self.input_scaler, 'mean_') or not hasattr(self.input_scaler, 'scale_'):
logger.warning("Le scaler chargé n'est pas fitted. Utilisation de fit_transform.")
# Si le scaler n'est pas fitted, on utilise fit_transform
X_scaled = self.input_scaler.fit_transform(X_flat)
else:
# Si le scaler est fitted, on utilise transform
logger.info("Le scaler est correctement fitted. Utilisation de transform.")
X_scaled = self.input_scaler.transform(X_flat)
return X_scaled, I_list, V_list
def get_data(self):
"""
Récupère les données prétraitées.
Returns:
tuple: (X_train, X_val, X_test, y_train, y_val, y_test)
"""
return self.X_train, self.X_val, self.X_test, self.y_train, self.y_val, self.y_test
def get_user_data(self):
"""
Récupère les données prétraitées.
Returns:
tuple: (X_user, y_user)
"""
return self.X_user, self.y_user
def inverse_transform_params(self, y_scaled_list):
"""
Inverse la normalisation des paramètres prédits.
Args:
y_scaled (numpy.ndarray): Paramètres normalisés.
Returns:
numpy.ndarray: Paramètres dans leur échelle d'origine.
"""
y_orig_list = []
for i, scaler in enumerate(self.output_scalers):
y_orig = scaler.inverse_transform(y_scaled_list[i])
if i in [3,4]:
y_orig = 10 ** y_orig
y_orig_list.append(y_orig)
return np.hstack(y_orig_list)
def reshape_for_model(self, X_flat, model_type='mlp'):
"""
Reshape les données pour le modèle spécifié.
Args:
X_flat (numpy.ndarray): Données aplaties.
model_type (str): Type de modèle ('mlp' ou 'cnn1d').
Returns:
numpy.ndarray: Données reshapées pour le modèle.
"""
if model_type.lower() == 'mlp':
return X_flat # Pas besoin de reshape pour MLP
elif model_type.lower() == 'cnn1d':
# Reshape pour CNN 1D: [batch_size, sequence_length, features]
return X_flat.reshape(X_flat.shape[0], self.n_points, 2)
else:
logger.warning(f"Type de modèle inconnu: {model_type}, utilisation de MLP par défaut")
return X_flat
def visualize_sample(self, index=0, dataset='train'):
"""
Visualise un échantillon des données.
Args:
index (int): Index de l'échantillon à visualiser.
dataset (str): Ensemble de données ('train', 'val', ou 'test').
"""
if dataset == 'train':
X, y = self.X_train, self.y_train
elif dataset == 'val':
X, y = self.X_val, self.y_val
elif dataset == 'test':
X, y = self.X_test, self.y_test
else:
logger.error(f"Ensemble de données inconnu: {dataset}")
return
if X is None or y is None:
logger.error("Les données n'ont pas encore été prétraitées.")
return
if index >= len(X):
logger.error(f"Index {index} hors limites pour l'ensemble {dataset} de taille {len(X)}")
return
# Récupérer l'échantillon
X_sample = X[index]
y_sample = y[index]
# Inverser la normalisation
X_orig = self.input_scaler.inverse_transform(X_sample.reshape(1, -1)).reshape(-1, 2)
y_orig = self.inverse_transform_params(y_sample.reshape(1, -1))[0]
# Tracer la courbe I-V
plt.figure(figsize=(10, 6))
plt.plot(X_orig[:, 0], X_orig[:, 1], 'o-', label='Courbe I-V')
plt.xlabel('Tension (V)')
plt.ylabel('Courant (I)')
plt.title('Courbe I-V')
plt.grid(True)
plt.legend()
# Afficher les paramètres
param_names = ['Rsh', 'Rs', 'n', 'J0', 'Jph']
param_values = [f"{param}: {value:.4e}" for param, value in zip(param_names, y_orig)]
param_text = '\n'.join(param_values)
plt.figtext(0.02, 0.02, param_text, fontsize=10, bbox=dict(facecolor='white', alpha=0.8))
plt.tight_layout()
plt.show()