Create & Update : 데이터 처리를 위한 코드 생성 및 수정.

server/.gitignore

@@ -6,4 +6,7 @@ package-lock.json
 .env
 
 # Project Data
-/data
\ No newline at end of file
+/data
+
+# Python Cache
+__pycache__

server/Data명세서.md

@@ -55,7 +55,7 @@
 
 # 3. Data Processing
 
-EUE가 제일 중요하게 수행해야할 부분입니다. 데이터를 학습하고 예측 값을 반환합니다.
+EUE가 제일 중요하게 수행해야할 부분입니다. 데이터에 대해 선형회귀 분석을 진행합니다. 이 결과를 바탕으로 단위 시간 후의 온도를 예측해봅니다.
 
 ## Input Data
 
@@ -64,7 +64,6 @@ EUE가 제일 중요하게 수행해야할 부분입니다. 데이터를 학습
   - 월 ( Month )
   - 일 ( Date )
   - 시 ( Hour )
-  - 분 ( Minute )
 
 - 외부 데이터
 
@@ -90,4 +89,4 @@ EUE가 제일 중요하게 수행해야할 부분입니다. 데이터를 학습
 
 [Linear Regression](https://ko.wikipedia.org/wiki/선형_회귀)를 통해서 데이터들의 선형 관계를 파악 후 다음의 온도를 예측해보려 합니다.
 
-훈련 데이터는 최근 7일 간의 데이터를 사용합니다. 훈련을 통해 생성된 가중치들은 데이터들과 마찬가지로 CSV형식의 독립적인 파일로 생성해 저장합니다. 저장된 가중치는 다음 훈련의 초기값으로 사용됩니다.
+매일 자정(Day K) 데이터 처리 과정이 진행 됩니다. 따라서 (Day K - 1)의 데이터들과 (Day K - 1)까지 사용된 가중치 데이터들을 이용해 Linear Regression을 진행합니다. 데이터 처리 과정이 진행된 후의 가중치들은 (Day K)의 가중치 파일로 생성되어 저장됩니다.

server/package.json

@@ -28,6 +28,7 @@
     "morgan": "^1.10.0",
     "mysql2": "^2.2.5",
     "node-fetch": "^2.6.1",
+    "node-schedule": "^2.0.0",
     "pug": "^3.0.0"
   },
   "devDependencies": {

server/src/data_processing/main.py

+"""
+    # main.py
+
+    - Load된 데이터들에 대해 Linear Regression을 진행합니다.
+    - 진행된 후의 Weights를 파일로 저장합니다.
+"""
+
+import sys
+import pymysql
+from preprocessing import preprocessingData
+
+
+def getUsersDataLinks(dbconfig):
+    eue_db = pymysql.connect(user=dbconfig["user"], password=dbconfig["password"],
+                             host=dbconfig["host"], db=dbconfig["database"], charset='utf8')
+    cursor = eue_db.cursor(pymysql.cursors.DictCursor)
+
+    query = "SELECT ID,DATALINK FROM USER;"
+    cursor.execute(query)
+    result = cursor.fetchall()
+
+    return result
+
+
+dbconfig = {"host": sys.argv[1], "user": sys.argv[2],
+            "password": sys.argv[3], "database": sys.argv[4]}
+
+
+users = getUsersDataLinks(dbconfig)
+
+for userdata in users:
+    # Get Data links
+    # ./data/DO/SGG/EMD/Users/ID
+    user_datalink = userdata["DATALINK"]
+    dir_ls = user_datalink.split("/")
+    # ./data/DO/SGG/EMD/Outside
+    outside_datalink = ("/").join(dir_ls[:-2]) + "/Outside"
+
+    # data load
+    train_x, train_t = preprocessingData(user_datalink, outside_datalink)
+
+    # linear regression
+    pass

server/src/data_processing/preprocessing.py

+'''
+    # initialize.py
+
+    - Data 전처리를 목적으로 하는 파일입니다.
+'''
+
+import os
+import datetime
+import csv
+import numpy as np
+
+
+def loadRawData(link):
+    '''
+        # CSV 파일의 내용을 반환하는 함수
+        - 어제 하루 기록된 파일들에 대해 진행하기 위해 날짜 정보를 생성합니다.
+        - 제공 받은 링크를 통해 파일을 읽고 반환합니다.
+    '''
+    raw_data = []
+    today = datetime.datetime.today()
+    yesterday = today - datetime.timedelta(days=1)
+
+    yMonth = yesterday.month if yesterday.month >= 10 else "0" + \
+        str(yesterday.month)
+    yDay = yesterday.day if yesterday.day >= 10 else "0"+str(yesterday.day)
+
+    time_dir = "/" + str(yesterday.year) + "/" + \
+        str(yesterday.year) + str(yMonth) + "/" + \
+        str(yesterday.year) + str(yMonth) + str(yDay)
+
+    weather_dir = os.getcwd() + "/server" + link + time_dir + "/weather.csv"
+
+    data_file = open(weather_dir, 'r', newline='')
+    csv_data = csv.reader(data_file)
+
+    for line in csv_data:
+        raw_data.append(line)
+
+    data_file.close()
+
+    return raw_data
+
+
+def handleUserRawData(user_data):
+    '''
+        # User Raw Data (CSV 파일 데이터) 가공 함수
+        - [ 월 / 일 / 시 / 분 / 온도 / 습도 / 광도 ]의 데이터를 변환하는 함수
+        - 월 / 일 / 분 제거
+        - test_data(분이 제거된 데이터)와 true_data(단위 시간 후 실제 온도)로 나누기
+    '''
+    user_x = []
+    train_t = []
+
+    isFirstLine = True
+
+    for line in user_data:
+        _, _, hour, _, temp, humi, lights = line
+        user_x.append([int(hour), float(temp), float(humi), float(lights)])
+        if isFirstLine:
+            isFirstLine = False
+        else:
+            train_t.append([float(temp)])
+
+    train_t.append(train_t[-1])
+
+    return (user_x, train_t)
+
+
+def handleOutRawData(out_data):
+    '''
+        # Out Raw Data (CSV 파일 데이터) 가공 함수
+        - [ 월 / 일 / 시 / 분 / 온도 / 습도 / 기압 / 풍속 ] 데이터를 변환하는 함수
+        - '분' 을 제거합니다.
+        - 같은 시각의 데이터들은 평균을 구해서 데이터로 저장합니다.
+        - 외부 데이터는 Dictionary Data로 최종 반환됩니다.
+        - Dictionary의 Key는 '시'가 됩니다.
+    '''
+
+    out_dict = {}
+    key = None
+    counter = 1
+
+    sum_temp, sum_humi, sum_pressure, sum_wind_speed = 0, 0, 0, 0
+
+    for line in out_data:
+        month, day, hour, _, temp, humi, pressure, wind_speed = line
+
+        if key == None:
+            key = int(hour)
+            counter = 1
+            sum_temp, sum_humi, sum_pressure, sum_wind_speed = float(
+                temp), float(humi), float(pressure), float(wind_speed)
+
+        if key == hour:
+            counter += 1
+            sum_temp += float(temp)
+            sum_humi += float(humi)
+            sum_pressure += float(pressure)
+            sum_wind_speed += float(wind_speed)
+        else:
+            out_dict[key] = [int(month), int(day), key, sum_temp/counter, sum_humi /
+                             counter, sum_pressure/counter, sum_wind_speed/counter]
+
+            key = int(hour)
+            counter = 1
+            sum_temp, sum_humi, sum_pressure, sum_wind_speed = float(
+                temp), float(humi), float(pressure), float(wind_speed)
+
+    return out_dict
+
+
+def combineXdata(user_x, out_dict):
+    '''
+        # 분리된 입력 데이터를 합치는 함수
+        - 사용자 데이터와 외부 데이터를 결합해 입력층의 값으로 가공합니다.
+    '''
+    train_x = []
+
+    for line in user_x:
+        hour, temp, humi, lights = line
+        x = out_dict[hour] + [temp, humi, lights]
+        train_x.append(x)
+
+    return train_x
+
+
+def preprocessingData(user_link, out_link):
+    '''
+        # 데이터 분석 전 데이터 전처리 함수입니다.
+        1. 데이터 로드
+        2. 데이터 1차 가공 (handle~RawData)
+        3. 데이터 2차 가공 (combineXdata)
+        4. 데이터 넘파이 형식 배열로 변환
+        5. 반환
+    '''
+    raw_user_data = loadRawData(user_link)
+    raw_out_data = loadRawData(out_link)
+
+    user_x, train_t = handleUserRawData(raw_user_data)
+    out_dict = handleOutRawData(raw_out_data)
+
+    train_x = combineXdata(user_x, out_dict)
+
+    train_x = np.array(train_x)
+    train_t = np.array(train_t)
+
+    return train_x, train_t

server/src/init.js

 import app from "./app";
 import dotenv from "dotenv";
+import "./schedules"; // 매일 자정 데이터 처리
+
 dotenv.config();
 
 const PORT = process.env.PORT || 4500;

server/src/schedules.js

+import schedule from "node-schedule";
+import { spawn } from "child_process";
+import dotenv from "dotenv";
+
+dotenv.config();
+
+// Data Processing Python Codes Directory - server directory에서 실행
+const DATA_PROCESSING_DIR = "./src/data_processing/main.py";
+
+// 매일 자정에 실행할 스케줄의 규칙
+const rule = new schedule.RecurrenceRule();
+rule.hour = 0;
+rule.minute = 0;
+rule.second = 0;
+
+// 매일 자정에 실행되는 데이터 처리 스케줄
+const dataProcessingJob = schedule.scheduleJob(rule, () => {
+  const today = new Date();
+
+  console.log(
+    `${today.getFullYear()}.${
+      today.getMonth() + 1
+    }.${today.getDate()} - Data Processing Start.`
+  );
+
+  const pyprocess = spawn("python", [
+    DATA_PROCESSING_DIR,
+    process.env.MYSQL_HOST,
+    process.env.MYSQL_USER,
+    process.env.MYSQL_PASSWORD,
+    process.env.MYSQL_DATABASE,
+  ]);
+
+  pyprocess.stdout.on("data", (data) => {
+    console.log("Data processing is start.");
+  });
+
+  pyprocess.stderr.on("data", (data) => {
+    console.log("Error in the data processing.");
+  });
+
+  pyprocess.on("close", () => {
+    console.log("The data processing done.");
+  });
+});