- Corrección del rango de fechas

- Corrección de error al convertir 'FECHA_DEF' a datetimes

conector.py

@@ -105,10 +105,12 @@ def insertar_registros_locales(insertados: pd.DataFrame):
 	ids_eliminados = no_positivos['ID_REGISTRO'].to_list()
 	eliminar: sa.sql.Delete = sa.delete(RegistroLocal)
 	CONEXION_LOCAL.sesion.execute(eliminar.where(RegistroLocal.ID_REGISTRO.in_(ids_eliminados)))
+	CONEXION_LOCAL.sesion.flush()
 
 	# Se insertan unicamente los registros positivos
 	if not positivos.empty:
 		CONEXION_LOCAL.sesion.execute(sa.insert(RegistroLocal), positivos.to_dict(orient = 'records'))
+		CONEXION_LOCAL.sesion.flush()
 
 def eliminar_registros_locales(eliminados: pd.DataFrame):
 	''' Elimina los registros individuales de la lista ELIMINADOS de la base de datos local '''
@@ -120,6 +122,7 @@ def eliminar_registros_locales(eliminados: pd.DataFrame):
 	ids_eliminados = eliminados['ID_REGISTRO'].to_list()
 	eliminar: sa.sql.Delete = sa.delete(RegistroLocal)
 	CONEXION_LOCAL.sesion.execute(eliminar.where(RegistroLocal.ID_REGISTRO.in_(ids_eliminados)))
+	CONEXION_LOCAL.sesion.flush()
 
 def eliminar_registros_anteriores():
 	''' Elimina los registros de la base local que tengan una antigüedad mayor a 30 días '''
@@ -152,18 +155,12 @@ def insertar_registros_remotos():
 	# Se cargan los registros almacenados localmente
 	registros = pd.read_sql(CONEXION_LOCAL.sesion.query(RegistroLocal).statement, CONEXION_LOCAL.enlace)
 
-	# Se agrega el campo de resultado
-	registros['RESULTADO'] = 'POSITIVO'
-
 	# Se convierten las fechas a formato datetime
 	registros['FECHA_SINTOMAS'] = pd.to_datetime(registros['FECHA_SINTOMAS'])
-	registros['FECHA_DEF'] = pd.to_datetime(registros['FECHA_DEF'], errors = 'coerce')
-
-	# Se convierten los valores NaT a None
-	registros.replace({pd.NaT: None}, inplace = True)
+	registros['FECHA_DEF'] = pd.to_datetime(registros['FECHA_DEF'], format = '%Y-%m-%d', errors = 'coerce')
 
 	# Se guardan los registros en la base de datos remota
-	general.cargar_valores_reales(CONEXION_REMOTA, registros, FECHA_LOCAL.actual - pd.Timedelta(days = 1))
+	general.cargar_valores_reales(CONEXION_REMOTA, registros, FECHA_LOCAL.actual)
 
 # ------------------------- Funciones del consumidor --------------------------
 
@@ -315,6 +312,7 @@ def ciclo():
 
 		# Se hacen efectivos los cambios en la base de datos local
 		CONEXION_LOCAL.sesion.commit()
+		CONEXION_LOCAL.limpiar()
 
 		# Se marca la transacción como finalizada
 		TRANSACCION_FINALIZADA = True
@@ -332,17 +330,18 @@ def ciclo():
 			# Se actualiza la base de datos remota hasta que se alcance el dia actual
 			while FECHA_LOCAL < DIA_ACTUAL:
 				print('Día local: ', FECHA_LOCAL.actual.date())
-				print('Actualizando la base de datos remota...')
+				print('Actualizando la base de datos local y remota...')
 
-				# Se actualizan los datos remotos
+				# Se actualizan los datos locales y remotos
 				eliminar_registros_anteriores()
 				insertar_registros_remotos()
 
 				print('Persistiendo los cambios en las bases de datos...')
 
 				# Se hacen efectivos los cambios en las bases de datos
-				CONEXION_LOCAL.sesion.commit()
 				CONEXION_REMOTA.sesion.commit()
+				CONEXION_LOCAL.sesion.commit()
+				CONEXION_LOCAL.limpiar()
 
 				print('    Base de datos remota actualizada!\n')
 

general.py

@@ -30,9 +30,10 @@ def generar_dataframe(registros: List[RegistroKafka]):
 	# Se convierten los campos de fecha
 	df['FECHA_ACTUALIZACION'] = pd.to_datetime(df['FECHA_ACTUALIZACION'])
 	df['FECHA_SINTOMAS'] = pd.to_datetime(df['FECHA_SINTOMAS'])
-	df['FECHA_DEF'] = pd.to_datetime(df['FECHA_DEF'], format='AAAA-MM-DD', errors = 'coerce')
+	df['FECHA_DEF'] = pd.to_datetime(df['FECHA_DEF'], format = '%Y-%m-%d', errors = 'coerce')
+	df['FECHA_DEF'].replace({pd.NaT: None}, inplace = True)
 
-	# Función 'resultado' que interpreta la columna de 'CLASIFICACION_FINAL' y 'FECHA_DEF'
+	# Función 'resultado' que interpreta la columna de 'CLASIFICACION_FINAL'
 	def resultado(valor):
 		if valor in [1, 2, 3]:
 			return 'CONFIRMADO'
@@ -54,9 +55,6 @@ def generar_dataframe(registros: List[RegistroKafka]):
 	etiquetas = [str(grupo) for grupo in GRUPO_EDAD]
 	df['GRUPO_EDAD'] = pd.cut(df['EDAD'], grupos, labels = etiquetas)
 
-	# Se reemplazan todos los valores de 'NaT' por nulos
-	df.replace({pd.NaT: None}, inplace = True)
-
 	return df
 
 def calcular_confirmados(registros: pd.DataFrame, tipo: TIPO_VALOR, fecha: pd.Timestamp):
@@ -66,11 +64,11 @@ def calcular_confirmados(registros: pd.DataFrame, tipo: TIPO_VALOR, fecha: pd.Ti
 	confirmados = pd.DataFrame()
 	fecha_inicial = fecha - pd.Timedelta(days = 30)
 	datos_periodo = registros[registros[tipo.value] >= fecha_inicial]
-	positivos = datos_periodo[datos_periodo['RESULTADO'] == 'POSITIVO']
+	datos_periodo = datos_periodo[datos_periodo[tipo.value] <= fecha]
 
 	# Se calcula el número de registros confirmados agrupados por entidad y municipio
 	for grupo in GRUPO_EDAD:
-		grupo_confirmados = positivos[positivos['GRUPO_EDAD'] == str(grupo)]
+		grupo_confirmados = datos_periodo[datos_periodo['GRUPO_EDAD'] == str(grupo)]
 		grupo_confirmados = grupo_confirmados.groupby(['ENTIDAD_RES', 'MUNICIPIO_RES'])
 		grupo_confirmados = grupo_confirmados.size().reset_index(name = 'CONFIRMADOS')
 		grupo_confirmados['GRUPO_EDAD'] = str(grupo)

modelos.py

@@ -58,6 +58,11 @@ class ConexionSQLite(Conexion):
 		cadena_conexion = f'sqlite:///{RUTA / base_de_datos}'
 		super().__init__(cadena_conexion, SQLite.metadata)
 
+	def limpiar(self):
+		''' Libera el espacio no utilizado en la base de datos '''
+
+		self.sesion.execute(sa.text('VACUUM'))
+
 class ConexionPostgreSQL(Conexion):
 	''' Representa una conexión a una base de datos de PostgreSQL '''