-
Notifications
You must be signed in to change notification settings - Fork 1
/
05_BuildDatabase.py
1193 lines (996 loc) · 66 KB
/
05_BuildDatabase.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
import sqlite3
from sqlite3 import Error
import numpy as np
import pandas as pd
import json
import os
import glob
import unicodedata as ud
import unicodedata
from functools import reduce
import unidecode # remove special chars
def create_connection(db_file):
""" create a database connection to the SQLite database
specified by db_file
:param db_file: database file
:return: Connection object or None
"""
connect = None
try:
connect = sqlite3.connect(db_file)
return connect
except Error as e:
print(e)
return connect
def select_table(connect, table):
""" Query all rows in a table """
cur = connect.cursor()
query = "SELECT * FROM " + str(table)
cur.execute(query)
rows = cur.fetchall()
for row in rows:
print(row)
def sql_fetch(connex):
cursor_obj = connex.cursor()
cursor_obj.execute('SELECT name from sqlite_master where type= "table"')
print(cursor_obj.fetchall())
def beautifier_cols(dataframe):
cols = dataframe.columns
cols_new = [j.lower().strip().replace(" ", "_") for j in cols]
df_new = dataframe.rename(columns=dict(zip(cols, cols_new))).drop_duplicates().reset_index(drop=True)
return df_new
# Prefeito, Vice-Prefeito e Secretários
def pref():
df1 = pd.read_excel('./fontes_db/Prefeito, Vice-Prefeito e Secretários.xlsx')
df1 = df1.drop(columns='ID')
df1 = beautifier_cols(df1)
return df1
# Vereadores
def vereadores_dir():
df_2_dir = pd.read_excel('./fontes_db/Câmara dos Vereadores - Mesa Diretora e Comissões.xlsx',
sheet_name='diretora')
df_2_dir = df_2_dir.iloc[:15, :]
df_2_dir = beautifier_cols(df_2_dir)
return df_2_dir
def vereadores_com():
df_2_com = pd.read_excel('./fontes_db/Câmara dos Vereadores - Mesa Diretora e Comissões.xlsx',
sheet_name='comissao')
df_2_com = beautifier_cols(df_2_com)
return df_2_com
# Doadores
def doadores():
df_3_doadores_veread_2012 = pd.read_excel(
'./fontes_db/doadores_vereadores/Eleições 2012 - Doadores Vereadores Mesa Diretora e Comissões.xlsx',
sheet_name='DOAÇÕES CONSOLIDADO 2').ffill(0)
df_3_doadores_veread_2012['eleicao'] = 'vereador'
df_3_doadores_veread_2012['ano'] = '2012'
df_3_doadores_veread_2014 = pd.read_excel(
'./fontes_db/doadores_vereadores/Eleições 2014 - Doadores Deputados Mesa Diretora e Comissões.xlsx',
sheet_name='DOAÇÕES CONSOLIDADO 2').ffill(0)
df_3_doadores_veread_2014['eleicao'] = 'vereador'
df_3_doadores_veread_2014['ano'] = '2014'
df_3_doadores_veread_2016 = pd.read_excel(
'./fontes_db/doadores_vereadores/Eleições 2016 - Doadores Vereadores Mesa Diretora e Comissões.xlsx',
sheet_name='DOAÇÕES CONSOLIDADO 2').ffill(0)
df_3_doadores_veread_2016['eleicao'] = 'vereador'
df_3_doadores_veread_2016['ano'] = '2016'
df_3_doadores_veread_2018 = pd.read_excel(
'./fontes_db/doadores_vereadores/Eleições 2018 - Doadores Deputados Mesa Diretora e Comissões.xlsx',
sheet_name='DOAÇÕES CONSOLIDADO 2').ffill(0)
df_3_doadores_veread_2018['eleicao'] = 'vereador'
df_3_doadores_veread_2018['ano'] = '2018'
df_3_doadores_pref_2012 = pd.read_excel(
'./fontes_db/doadores_pref/Eleições 2012 - Doadores Comitê Coligação Prefeito e Vice-Prefeito.xlsx',
sheet_name='DOAÇÕES CONSOLIDADAS 2').ffill(0)
df_3_doadores_pref_2012['eleicao'] = 'prefeito'
df_3_doadores_pref_2012['ano'] = '2012'
df_3_doadores_pref_2012_2 = pd.read_excel(
'./fontes_db/doadores_pref/Eleições 2012 - Doadores Prefeito e Vice-Prefeito.xlsx',
sheet_name='DOAÇÕES CONSOLIDADAS 2').ffill(0)
df_3_doadores_pref_2012_2['eleicao'] = 'prefeito'
df_3_doadores_pref_2012_2['ano'] = '2012'
df_3_doadores_pref_2014 = pd.read_excel(
'./fontes_db/doadores_pref/Eleições 2014 - Doadores Vice-Prefeito - Campanha Deputado Federal.xlsx',
sheet_name='DOAÇÕES CONSOLIDADAS 2').ffill(0)
df_3_doadores_pref_2014['eleicao'] = 'prefeito'
df_3_doadores_pref_2014['ano'] = '2014'
df_3_doadores_pref_2016 = pd.read_excel(
'./fontes_db/doadores_pref/Eleições 2016 - Doadores Prefeito e Vice-Prefeito.xlsx',
sheet_name='DOAÇÕES CONSOLIDADAS 2').ffill(0)
df_3_doadores_pref_2016['eleicao'] = 'prefeito'
df_3_doadores_pref_2016['ano'] = '2016'
df_3_doadores_pref_2016_2 = pd.read_excel(
'./fontes_db/doadores_pref/Eleições 2016 - Doadores Partidos Coligação Prefeito e Vice-Prefeito.xlsx',
sheet_name='DOAÇÕES CONSOLIDADAS 2').ffill(0)
df_3_doadores_pref_2016_2['eleicao'] = 'prefeito'
df_3_doadores_pref_2016_2['ano'] = '2016'
df_doadores = pd.concat([df_3_doadores_veread_2012,
df_3_doadores_veread_2014,
df_3_doadores_veread_2016,
df_3_doadores_veread_2018,
df_3_doadores_pref_2012,
df_3_doadores_pref_2012_2,
df_3_doadores_pref_2014,
df_3_doadores_pref_2016,
df_3_doadores_pref_2016_2], sort=True)
df_doadores = beautifier_cols(df_doadores)
df_doadores['nome_doador_receita_federal'] = \
np.where(df_doadores['nome_do_doador'].isna(),
df_doadores['nome_do_doador_(receita_federal)'],
df_doadores['nome_do_doador'])
df_doadores['nome_doador_receita_federal'] = \
np.where(df_doadores['nome_doador_receita_federal'].isna(),
df_doadores['nm_doador'],
df_doadores['nome_doador_receita_federal'])
df_doadores = df_doadores.drop(columns=['nm_doador', 'nome_do_doador', 'nome_do_doador_(receita_federal)'])
df_doadores = df_doadores.rename(columns={'soma_de_pecentual_de_doação': 'soma_de_percentual_de_doação'})
return df_doadores
# Fornecedores
def fornecedores():
df_forne_pref_2012 = pd.read_excel(
'./fontes_db/fornecedores_pref/Eleições 2012 - Despesas Comitê Coligação Prefeito e Vice-Prefeito.xlsx',
sheet_name='DESPESAS CONSOLIDADAS 2').ffill(0)
df_forne_pref_2012['ano'] = '2012'
df_forne_pref_2012_2 = pd.read_excel(
'./fontes_db/fornecedores_pref/Eleições 2012 - Despesas Prefeito e Vice-Prefeito.xlsx',
sheet_name='DESPESAS CONSOLIDADAS 2').ffill(0)
df_forne_pref_2012_2['ano'] = '2012'
df_forne_pref_2014 = pd.read_excel(
'./fontes_db/fornecedores_pref/Eleições 2014 - Despesas Vice-Prefeito - Campanha Deputado Federal.xlsx',
sheet_name='DESPESAS CONSOLIDADAS 2').ffill(0)
df_forne_pref_2014['ano'] = '2014'
df_forne_pref_2016 = pd.read_excel(
'./fontes_db/fornecedores_pref/Eleições 2016 - Despesas Partidos Coligação Prefeito e Vice-Prefeito.xlsx',
sheet_name='DESPESAS CONSOLIDADAS 2').ffill(0)
df_forne_pref_2016['ano'] = '2016'
df_forne_pref_2016_2 = pd.read_excel(
'./fontes_db/fornecedores_pref/Eleições 2016 - Despesas Prefeito e Vice-Prefeito.xlsx',
sheet_name='DESPESAS CONSOLIDADAS 2').ffill(0)
df_forne_pref_2016_2['ano'] = '2016'
df_forne_veread_2012 = pd.read_excel(
'./fontes_db/fornecedores_veread/Eleições 2012 - Despesas Vereadores Mesa Diretora e Comissões.xlsx',
sheet_name='DESPESAS CONSOLIDADAS 2').ffill(0)
df_forne_veread_2012['ano'] = '2012'
df_forne_veread_2014 = pd.read_excel(
'./fontes_db/fornecedores_veread/Eleições 2014 - Despesas Deputados Mesa Diretora e Comissões.xlsx',
sheet_name='DESPESAS CONSOLIDADAS 2').ffill(0)
df_forne_veread_2014['ano'] = '2014'
df_forne_veread_2016 = pd.read_excel(
'./fontes_db/fornecedores_veread/Eleições 2016 - Despesas Vereadores Mesa Diretora e Comissões.xlsx',
sheet_name='DESPESAS CONSOLIDADAS 2').ffill(0)
df_forne_veread_2016['ano'] = '2016'
df_forne_veread_2018 = pd.read_excel(
'./fontes_db/fornecedores_veread/Eleições 2018 - Despesas Deputados Mesa Diretora e Comissões.xlsx',
sheet_name='DESPESAS CONSOLIDADAS 2').ffill(0)
df_forne_veread_2018['ano'] = '2018'
df_fornecedores = pd.concat([df_forne_pref_2012,
df_forne_pref_2012_2,
df_forne_pref_2014,
df_forne_pref_2016,
df_forne_pref_2016_2,
df_forne_veread_2012,
df_forne_veread_2014,
df_forne_veread_2016,
df_forne_veread_2018], sort=True)
df_fornecedores = df_fornecedores.reset_index(drop=True)
df_fornecedores = df_fornecedores.drop(df_fornecedores.index[361]).reset_index(drop=True)
df_fornecedores = beautifier_cols(df_fornecedores)
df_fornecedores['soma_de_percentual_de_despesas'] = \
np.where(df_fornecedores['soma_de_percentual_de_despesas'].isna(),
df_fornecedores['soma_de_pecentual_de_despesas'],
df_fornecedores['soma_de_percentual_de_despesas'])
df_fornecedores['nome_do_fornecedor_receita_federal'] = \
np.where(df_fornecedores['nome_do_fornecedor'].isna(),
df_fornecedores['nome_do_fornecedor_(receita_federal)'],
df_fornecedores['nome_do_fornecedor'])
df_fornecedores = df_fornecedores.drop(columns=['soma_de_pecentual_de_despesas',
'nome_do_fornecedor',
'nome_do_fornecedor_(receita_federal)'])
return df_fornecedores
# Servidores da câmara
def servidores_camara():
df_serv_camara = pd.read_excel('./fontes_db/Servidores_camara.xlsx')
df_serv_camara = beautifier_cols(df_serv_camara)
return df_serv_camara
# Servidores prefeitura
def servidores_pref():
df_serv_pref = pd.read_excel('./fontes_db/Servidores Prefeitura.xlsx')
df_serv_pref = beautifier_cols(df_serv_pref)
return df_serv_pref
# Filiacao Partidaria
def filiacao():
df_1 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_dc_rj.csv', sep=';', encoding="ISO-8859-1")
df_2 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_mdb_rj.csv', sep=';',
dtype='unicode', encoding="ISO-8859-1")
df_3 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_pcdob_rj.csv', sep=';',
dtype='unicode', encoding="ISO-8859-1")
df_4 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_psb_rj.csv', sep=';',
dtype='unicode', encoding="ISO-8859-1")
df_5 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_psdb_rj.csv', sep=';',
dtype='unicode', encoding="ISO-8859-1")
df_6 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_psl_rj.csv', sep=';', encoding="ISO-8859-1")
df_7 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_pt_rj.csv', sep=';',
dtype='unicode', encoding="ISO-8859-1")
df_8 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_pv_rj.csv', sep=';', encoding="ISO-8859-1")
df_9 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_rede_rj.csv', sep=';', encoding="ISO-8859-1")
df_10 = pd.read_csv('./fontes_db/filiacao_prefeitura/filiados_psd_rj.csv', sep=';', encoding="ISO-8859-1")
df_filiacao_pref = pd.concat([df_1, df_2, df_3, df_4, df_5, df_6, df_7, df_8, df_9, df_10], sort=True)
df_filiacao_pref['eleicao'] = 'PREFEITO'
df_1_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_avante_rj.csv", sep=";", encoding="ISO-8859-1")
df_2_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_cidadania_rj.csv", sep=";", encoding="ISO-8859-1")
df_3_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_pdt_rj.csv", sep=";",
dtype='unicode', encoding="ISO-8859-1")
df_4_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_pl_rj.csv", sep=";",
dtype='unicode', encoding="ISO-8859-1")
df_5_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_pode_rj.csv", sep=";",
dtype='unicode', encoding="ISO-8859-1")
df_6_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_pros_rj.csv", sep=";", encoding="ISO-8859-1")
df_7_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_psc_rj.csv", sep=";", encoding="ISO-8859-1")
df_8_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_ptc_rj.csv", sep=";", encoding="ISO-8859-1")
df_9_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_republicanos_rj.csv",
sep=";",
encoding="ISO-8859-1")
df_10_ver = pd.read_csv("./fontes_db/filiacao_vereadores/filiados_solidariedade_rj.csv",
sep=";",
encoding="ISO-8859-1")
df_filiacao_veread = pd.concat(
[df_1_ver, df_2_ver, df_3_ver, df_4_ver, df_5_ver, df_6_ver, df_7_ver, df_8_ver, df_9_ver, df_10_ver],
sort=True)
df_filiacao_veread['eleicao'] = 'VEREADOR'
df_filiacao = pd.concat([df_filiacao_pref,
df_filiacao_veread], sort=True)
df_filiacao = beautifier_cols(df_filiacao)
df_filiacao = df_filiacao.drop(columns=['unnamed:_19'])
return df_filiacao
# CNPJ RECEITA (JSONS)
def parse_json_files(folder):
"""
look at the folder with documents and search for json files to parse
"""
json_list = []
df_full = pd.DataFrame()
qsa_full = pd.DataFrame()
ativ_sec_full = pd.DataFrame()
# for Path, subdirs, File in os.walk(folder):
# for name in File:
# if os.path.splitext(os.path.join(Path, name))[1] == ".json":
# json_list.append(os.path.join(Path, name))
for file in os.listdir(folder):
if file.split(".")[-1] == "json":
json_list.append(folder + file)
else:
pass
for j in json_list:
try:
with open(j) as json_data:
data = json.load(json_data)
except:
continue
dtframe = pd.DataFrame([data])
try:
dtframe['atividade_principal'] = dtframe['atividade_principal'].apply(lambda x: x[0])
dtframe[['atividade_principal_text', 'atividade_principal_code']] = \
dtframe.atividade_principal.apply(pd.Series)
dtframe = dtframe.drop('atividade_principal', axis=1)
except:
continue
dtframe[['billing_free', 'billing_database']] = dtframe.billing.apply(pd.Series)
dtframe = dtframe.drop('billing', axis=1)
qsa = pd.DataFrame(dtframe.qsa[0])
qsa['cnpj_empresa'] = dtframe.cnpj[0]
dtframe = dtframe.drop('qsa', axis=1)
ativ_sec = pd.DataFrame(dtframe.atividades_secundarias[0])
ativ_sec['cnpj_empresa'] = dtframe.cnpj[0]
dtframe = dtframe.drop('atividades_secundarias', axis=1)
df_full = df_full.append(dtframe, sort=True)
qsa_full = qsa_full.append(qsa, sort=True)
ativ_sec_full = ativ_sec_full.append(ativ_sec, sort=True)
return df_full, qsa_full, ativ_sec_full
# JSON CREDORES
def dados_receita():
json_credores_2015, qsa_credores_2015, ativ_sec_credores_2015 = \
parse_json_files("./fontes_db/jsons/folder_credores_2015/")
json_credores_2016, qsa_credores_2016, ativ_sec_credores_2016 = \
parse_json_files("./fontes_db/jsons/folder_credores_2016/")
json_credores_2017, qsa_credores_2017, ativ_sec_credores_2017 = \
parse_json_files("./fontes_db/jsons/folder_credores_2017/")
json_credores_2018, qsa_credores_2018, ativ_sec_credores_2018 = \
parse_json_files("./fontes_db/jsons/folder_credores_2018/")
json_credores_2019, qsa_credores_2019, ativ_sec_credores_2019 = \
parse_json_files("./fontes_db/jsons/folder_credores_2019/")
json_credores_2015['ano'] = '2015'
json_credores_2016['ano'] = '2016'
json_credores_2017['ano'] = '2017'
json_credores_2018['ano'] = '2018'
json_credores_2019['ano'] = '2019'
cnpj_credores = pd.concat([json_credores_2015,
json_credores_2016,
json_credores_2017,
json_credores_2018,
json_credores_2019], sort=True).reset_index(drop=True)
cnpj_credores['categoria'] = 'credores'
qsa_credores = pd.concat([qsa_credores_2015,
qsa_credores_2016,
qsa_credores_2017,
qsa_credores_2018,
qsa_credores_2019], sort=True).reset_index(drop=True)
qsa_credores['categoria'] = 'credores'
ativ_sec_credores = pd.concat([ativ_sec_credores_2015,
ativ_sec_credores_2016,
ativ_sec_credores_2017,
ativ_sec_credores_2018,
ativ_sec_credores_2019], sort=True).reset_index(drop=True)
ativ_sec_credores['categoria'] = 'credores'
# JSON DOADORES VEREADORES E PREFEITO
json_doadores_vereadores, qsa_doadores_vereadores, ativ_sec_doadores_vereadores = \
parse_json_files("./fontes_db/jsons/folder_doadores_vereadores/")
json_doadores_vereadores['eleicao'] = 'vereadores'
json_doadores_prefeito, qsa_doadores_prefeito, ativ_sec_doadores_prefeito = \
parse_json_files("./fontes_db/jsons/folder_doadores_prefeito/")
json_doadores_prefeito['eleicao'] = 'prefeito'
doad = pd.concat([json_doadores_prefeito,
json_doadores_vereadores], sort=True).reset_index(drop=True)
doad['categoria'] = 'doadores'
qsa_doadores = pd.concat([qsa_doadores_prefeito,
qsa_doadores_vereadores], sort=True).reset_index(drop=True)
qsa_doadores['categoria'] = 'doadores'
ativ_sec_doadores = pd.concat([ativ_sec_doadores_prefeito,
ativ_sec_doadores_vereadores], sort=True).reset_index(drop=True)
ativ_sec_doadores['categoria'] = 'doadores'
# JSON FORNECEDORES VEREADORES E PREFEITO
json_fornecedores_vereadores, qsa_fornecedores_vereadores, ativ_sec_fornecedores_vereadores = \
parse_json_files("./fontes_db/jsons/folder_fornecedores_vereadores/")
json_fornecedores_vereadores['eleicao'] = 'vereadores'
json_fornecedores_prefeito, qsa_fornecedores_prefeito, ativ_sec_fornecedores_prefeito = \
parse_json_files("./fontes_db/jsons/folder_fornecedores_prefeito/")
json_fornecedores_prefeito['eleicao'] = 'prefeito'
fornec = pd.concat([json_fornecedores_prefeito,
json_fornecedores_vereadores], sort=True).reset_index(drop=True)
fornec['categoria'] = 'fornecedores'
qsa_fornecedores = pd.concat([qsa_fornecedores_prefeito,
qsa_fornecedores_vereadores], sort=True).reset_index(drop=True)
qsa_fornecedores['categoria'] = 'fornecedores'
ativ_sec_fornecedores = pd.concat([ativ_sec_fornecedores_prefeito,
ativ_sec_fornecedores_vereadores], sort=True).reset_index(drop=True)
ativ_sec_fornecedores['categoria'] = 'fornecedores'
# JUNTANDO AS BASES DOS JSONS
receita_cnpj = pd.concat([cnpj_credores,
doad,
fornec], sort=True).reset_index(drop=True)
receita_qsa = pd.concat([qsa_credores,
qsa_doadores,
qsa_fornecedores], sort=True).reset_index(drop=True)
receita_ativ_sec = pd.concat([ativ_sec_credores,
ativ_sec_doadores,
ativ_sec_fornecedores], sort=True).reset_index(drop=True)
receita_cnpj = receita_cnpj.drop(columns='extra')
receita_cnpj = beautifier_cols(receita_cnpj)
receita_qsa = beautifier_cols(receita_qsa)
receita_ativ_sec = beautifier_cols(receita_ativ_sec)
return receita_cnpj, receita_qsa, receita_ativ_sec
# CREDORES
def credores():
# 2016
path = r'./raw_data/cred_2016/'
files = glob.glob(path + "credores_2016_*.csv")
credores_list = []
for filename in files:
df = pd.read_csv(filename, index_col=None, header=0)
df = df.rename(columns={'Valor Em Liquidação': 'Valor Em Liquidação'})
credores_list.append(df)
cred16 = pd.concat(credores_list, axis=0, ignore_index=True, sort=True).reset_index(drop=True)
cred16 = cred16.drop(cred16.filter(like=r'Unnamed').columns, axis=1)
cred16 = cred16.iloc[cred16['Nome'].str.normalize('NFKD').argsort()] # sort columns containing special chars
# 2018
path = r'./raw_data/cred_2018/'
files = glob.glob(path + "credores_2018_*.csv")
credores_list = []
for filename in files:
df = pd.read_csv(filename, index_col=None, header=0)
df = df.rename(columns={'Valor Em Liquidação': 'Valor Em Liquidação'})
credores_list.append(df)
cred18 = pd.concat(credores_list, axis=0, ignore_index=True, sort=True).reset_index(drop=True)
cred18 = cred18.drop(cred18.filter(like=r'Unnamed').columns, axis=1)
cred18 = cred18.iloc[cred18['Nome'].str.normalize('NFKD').argsort()] # sort columns containing special chars
creds = pd.concat([pd.read_csv('raw_data/credores_2015.csv', sep="\t"),
cred16,
pd.read_csv('./raw_data/credores_2017.csv'),
cred18,
pd.read_csv('./raw_data/credores_2019.csv', sep="\t")], sort=True).drop_duplicates()
creds = creds[['Nome', 'CNPJ/CPF', 'Valor Empenhado', 'Valor Em Liquidação',
'Valor Liquidado', 'Valor Pago', 'Valor Anulado', 'ano']]
creds = beautifier_cols(creds)
creds['nome'] = [i.strip() for i in creds.nome]
creds['nome'] = [unidecode.unidecode(str(i)) for i in creds.nome]
creds = creds.iloc[creds['nome'].str.normalize('NFKD').argsort()] # sort columns containing special chars
creds = creds.sort_values(['ano', 'nome']).sort_index()
creds['nome'] = [unidecode.unidecode(str(i)) for i in creds.nome]
creds = replace_names(creds)
return creds
def credores_liquida():
cred_liq = ['credores_liquidacoes_2015.csv',
'credores_liquidacoes_2016.csv',
'credores_liquidacoes_2017.csv',
'credores_liquidacoes_2018.csv',
'credores_liquidacoes_2019.csv']
credores_liquid = pd.DataFrame()
for i in cred_liq:
file = './raw_data/' + str(i)
df = pd.read_csv(file, sep='\t')
df['ano'] = i.split('.')[0][-4:]
credores_liquid = credores_liquid.append(df).drop_duplicates()
credores_liquid = credores_liquid[~credores_liquid['Data da Liquidação'].str.contains("Data da")]
credores_liquid = credores_liquid[['Data da Liquidação', 'Número de Liquidação', 'Complemento Histórico',
'Valor Liquidado', 'Valor Estornado', 'credor', 'empenho', 'ano']]
credores_liquid['empenho'] = credores_liquid['empenho'].astype(float)
credores_liquid = beautifier_cols(credores_liquid)
credores_liquid['credor'] = [unicodedata.normalize("NFKD", str(i)) for i in credores_liquid.credor]
credores_liquid['credor'] = [unidecode.unidecode(str(i)) for i in credores_liquid.credor]
credores_liquid = replace_names(credores_liquid)
return credores_liquid
def credores_pagtos():
cred_pagtos = ['credores_pagamentos_2015.csv',
'credores_pagamentos_2016.csv',
'credores_pagamentos_2017.csv',
'credores_pagamentos_2018.csv',
'credores_pagamentos_2019.csv']
credores_pagamentos = pd.DataFrame()
for i in cred_pagtos:
file = './raw_data/' + str(i)
df = pd.read_csv(file, sep='\t')
df['ano'] = i.split('.')[0][-4:]
credores_pagamentos = credores_pagamentos.append(df).drop_duplicates()
credores_pagamentos = credores_pagamentos[
~credores_pagamentos['Data do Pagamento'].str.contains("Data do Pagamento")]
credores_pagamentos = credores_pagamentos[['Data do Pagamento', 'Número do Pagamento', 'Número de liquidação',
'Complemento Histórico', 'Valor Pago', 'Valor Estornado', 'credor',
'empenho', 'ano']]
credores_pagamentos = beautifier_cols(credores_pagamentos)
credores_pagamentos['credor'] = [unicodedata.normalize("NFKD", str(i)) for i in credores_pagamentos.credor]
credores_pagamentos['credor'] = [unidecode.unidecode(str(i)) for i in credores_pagamentos.credor]
credores_pagamentos = replace_names(credores_pagamentos)
return credores_pagamentos
# DETALHES EMPENHOS
def detalhes_empenhos(df_credores):
det_emp = ['detalhes_emp_2015_new.csv',
'detalhes_emp_2016_new.csv',
'detalhes_emp_2017_new.csv',
'detalhes_emp_2018_new.csv',
'detalhes_emp_2019_new.csv']
detalhes_emp_list = []
for i in det_emp:
file = './raw_data/' + str(i)
df = pd.read_csv(file, dtype='unicode')
df.columns = [unidecode.unidecode(str(i)) for i in df.columns]
df['ano_referencia'] = i.split('_')[2]
df = df.iloc[df['Credor'].str.normalize('NFKD').argsort()] # sort columns containing special chars
detalhes_emp_list.append(df)
detalhes_emp = pd.concat(detalhes_emp_list, sort=True).drop_duplicates()
detalhes_emp = detalhes_emp.sort_index(axis=1)
detalhes_emp = detalhes_emp.loc[:, 'Ação de Governo':]
detalhes_emp = detalhes_emp.loc[:, ~detalhes_emp.columns.duplicated()]
detalhes_emp = beautifier_cols(detalhes_emp)
detalhes_emp['credor'] = [i.strip() for i in detalhes_emp.credor]
detalhes_emp = replace_names(detalhes_emp)
detalhes_emp['credor'] = [ud.normalize("NFKD", str(i)) for i in detalhes_emp.credor]
detalhes_emp['credor'] = [unidecode.unidecode(str(i)) for i in detalhes_emp.credor]
detalhes_emp = replace_names(detalhes_emp)
detalhes_emp['credor_temp'] = detalhes_emp['credor'].apply(lambda x: x.replace(" ", ""))
df_credores['nome'] = [ud.normalize("NFKD", str(i)) for i in df_credores.nome]
df_credores['nome'] = [unidecode.unidecode(str(i)) for i in df_credores.nome]
df_credores['nome_temp'] = df_credores['nome'].apply(lambda x: x.replace(" ", ""))
detalhes_emp.columns = [unidecode.unidecode(str(i)) for i in detalhes_emp.columns]
df_credores.columns = [unidecode.unidecode(str(i)) for i in df_credores.columns]
detalhes_emp = pd.merge(detalhes_emp, df_credores[['nome_temp', 'cnpj/cpf']],
left_on=['credor_temp', 'cpf/cnpj'],
right_on=['nome_temp', 'cnpj/cpf'],
how='inner').drop_duplicates()
detalhes_emp['ugest'] = np.where((detalhes_emp.unidade_gestora.isna()), detalhes_emp.unidade_gestora_x,
detalhes_emp.unidade_gestora)
detalhes_emp = detalhes_emp[['data_emissao_empenho', 'numero_empenho', 'ugest', 'credor',
'cnpj/cpf', 'valor_empenhado', 'valor_em_liquidacao', 'valor_liquidado',
'valor_pago', 'valor_anulado', 'atualizado_em', 'periodo',
'tipo_empenho', 'categoria', 'orgao', 'unidade', 'funcao', 'subfuncao',
'programa_de_governo', 'esfera', 'ie',
'categoria_economica', 'grupo_da_despesa', 'modalidade_de_aplicacao',
'natureza_da_despesa', 'desdobramento_da_despesa', 'fonte_de_recursos',
'detalhamento_da_fonte', 'licitacao', 'numero_da_licitacao',
'data_de_homologacao', 'processo_da_compra', 'processo_administrativo', 'contrato',
'convenio', 'empenhado', 'em_liquidacao', 'liquidado',
'pago', 'anulado', 'ano_referencia']]
detalhes_emp = detalhes_emp.rename(columns={'ugest': 'unidade_gestora'})
detalhes_emp = detalhes_emp.reset_index(drop=True)
detalhes_emp['numero_empenho'] = detalhes_emp['numero_empenho'].fillna(0).astype(float)
detalhes_emp = detalhes_emp[detalhes_emp['numero_empenho'] != 0]
detalhes_emp['credor'] = detalhes_emp['credor'].apply(lambda x: ud.normalize('NFKD', x))
detalhes_emp = detalhes_emp.sort_values(['ano_referencia', 'credor']).drop_duplicates().reset_index(drop=True)
d_emp = pd.to_datetime(detalhes_emp['data_emissao_empenho'], format='%d/%m/%Y')
d_hom = pd.to_datetime(detalhes_emp['data_de_homologacao'], format='%d/%m/%Y')
detalhes_emp['tempo_entre_homologacao_empenho'] = (d_emp - d_hom) / np.timedelta64(1, 'D')
detalhes_emp['credor'] = [unidecode.unidecode(str(i)) for i in detalhes_emp.credor]
detalhes_emp = replace_names(detalhes_emp)
return detalhes_emp
# BENS PREFEITOS E VEREADORES
def bens():
df_bens = pd.read_excel('./fontes_db/bens prefeito e veradores.xlsx')
return df_bens
# CONTRATOS
def dados_contratos():
df_contratos_nomes = pd.read_csv('./raw_data/contratos_nomes.csv')
df_contratos_nomes['Nome'] = df_contratos_nomes['Nome'].fillna('-').apply(lambda x: x.strip())
df_contratos_nomes = beautifier_cols(df_contratos_nomes).sort_values(['nome', 'contrato']).reset_index(drop=True)
df_contratos_nomes['contrato'] = df_contratos_nomes.contrato.apply(lambda x: int(x))
df_contratos_nomes['tipo'] = 'PF'
df_contratos_empresas = pd.read_csv('./raw_data/contratos_empresas.csv')
df_contratos_empresas['Nome'] = df_contratos_empresas['Nome'].fillna('-').apply(lambda x: x.strip())
df_contratos_empresas = beautifier_cols(df_contratos_empresas).sort_values(['nome', 'contrato']).reset_index(
drop=True)
df_contratos_empresas['contrato'] = df_contratos_empresas.contrato.apply(lambda x: int(x))
df_contratos_empresas['tipo'] = 'PJ'
df_contratos = pd.concat([df_contratos_nomes,
df_contratos_empresas], sort=True)
df_contratos = df_contratos[['nome', 'cpf/cnpj', 'antes_depois', 'contrato', 'tipo']].fillna('-')
df_contratos = df_contratos.sort_values(['contrato', 'antes_depois'])
return df_contratos
def tempos_consolidados(detalhes_emp, credores_liquidacoes, credores_pagamentos):
"""
merge tables to calculate time deltas. Return a full data frame including all columns of merged dataframes
select liq."data_da_liquidação", emp."data_emissão_empenho", emp."data_de_homologação", pag."data_do_pagamento"
from credores_liquidacoes liq
inner join detalhes_emp emp on liq."empenho" = emp."número_do_empenho"
inner join detalhes_emp emp on lower(liq."credor") = lower(emp."credor")
inner join credores_pagamentos pag on lower(liq."credor") = lower(pag."credor")
inner join credores_pagamentos pag on liq."empenho" = pag."empenho"
inner join credores_pagamentos pag on liq."número_de_liquidação" = pag."número_de_liquidação"
/* tempo entre homologacao e empenho */
emp."data_emissão_empenho" - emp."data_de_homologação"
/* tempo entre empenho e liquidacao */
liq."data_da_liquidação" - emp."data_emissão_empenho"
/* tempo entre liquidacao e pagamento*/
pag."data_do_pagamento" - liq."data_da_liquidação"
/* tempo total */
pag."data_do_pagamento" - liq."data_da_liquidação" - emp."data_emissão_empenho" - emp."data_de_homologação"
"""
detalhes_emp = detalhes_emp.rename(columns={'numero_empenho': 'empenho', 'ano_referencia': 'ano'})
credores_pagamentos['empenho'] = credores_pagamentos.empenho.astype(float)
first_join = [credores_liquidacoes, credores_pagamentos]
df = reduce(lambda x, y: pd.merge(x, y, on=['empenho', 'credor', 'número_de_liquidação', 'ano']), first_join)
df_final = pd.merge(detalhes_emp, df, on=['empenho', 'credor', 'ano'])
df_dates = df_final[['data_da_liquidação', 'data_emissao_empenho', 'data_de_homologacao', 'data_do_pagamento']]
for i in df_dates:
df_dates = df_dates.copy()
df_dates[i] = pd.to_datetime(df_dates[i], format='%d/%m/%Y')
tempo_entre_homologacao_empenho = (df_dates['data_emissao_empenho'] - df_dates[
'data_de_homologacao']) / np.timedelta64(1, 'D')
tempo_entre_empenho_liquidacao = (df_dates['data_da_liquidação'] - df_dates[
'data_emissao_empenho']) / np.timedelta64(1, 'D')
tempo_entre_liquidacao_pagamento = (df_dates['data_do_pagamento'] - df_dates[
'data_da_liquidação']) / np.timedelta64(1, 'D')
tempo_entre_empenho_pagamento = (df_dates['data_do_pagamento'] - df_dates['data_emissao_empenho']) / np.timedelta64(
1, 'D')
tempo_entre_homologacao_pagamento = (df_dates['data_do_pagamento'] - df_dates[
'data_de_homologacao']) / np.timedelta64(1, 'D')
df_final['tempo_entre_empenho_liquidacao'] = tempo_entre_empenho_liquidacao
df_final['tempo_entre_homologacao_empenho'] = tempo_entre_homologacao_empenho
df_final['tempo_entre_liquidacao_pagamento'] = tempo_entre_liquidacao_pagamento
df_final['tempo_entre_empenho_pagamento'] = tempo_entre_empenho_pagamento # antigo tempo_total2
df_final['tempo_entre_homologacao_pagamento'] = tempo_entre_homologacao_pagamento # antigo tempo_total
df_liq_pagto_emp = df_final.copy()
return df_liq_pagto_emp
def replace_names(df):
frame = df.copy()
frame = frame.replace(
["UNIMED MACAE COOP. DE TRABALHO MEDICO", "SAME-SERVIA++O DE ATUAA++AO EM MEDICINA DE EMERG. LTDA",
"RAV COMA%0RCIO SERVIA++OS E LOCAA++A*ES LTDA-ME", "POSTO TIC TAC DE MACAA%0 LTDA",
"P. R. VIANA JUNIOR ART'S GRAFICAS", "NUCLEO DE MEDICINA DIAGNOSTICA DE MACAA%0 LTDA",
"NEWEASY SOLUA++A*ES EM TECNOLOGIA LTDA", "MAILLET SINALIZACAO LTDA"],
["UNIMED DE MACAE COOPERATIVA DE ASSISTENCIA A SAUDE", "SAME - SERVIÇOS DE ATUAÇÃO EM MEDICINA",
"RAV COMÉRCIO SERVIÇOS E LOCAÇÕES LTDA-ME", "POSTO TIC TAC DE MACAE LTDA", "P R VIANA JUNIOR ARTS GRAFICAS",
"NUCLEO DE MEDICINA DIAGNOSTICA DE MACAÉ LTDA", "NEWEASY SOLUCOES EM TECNOLOGIA LTDA",
"MAILLET SINALIZAÇÃO E PAPELARIA LTDA"])
frame = frame.replace(
["TORNADO-VIGILANCIA E CONSERVAÇAO LTDA", "TOMOGRAFIA MACAE LTDA - CEDI", "TAECO MATERIAIS DE CONSTRUÇAO LTDA",
"T K S SERVICE LTDA", "SUCBRAS VEND. DE EQUIP. DE SEG. E SERVIÇOS LTDA",
"SAME-SERVICO DE ATUACAO EM MEDICINA DE EMERG. LTDA", "SAME SERVICOS ATUACAO EM MEDICINA DE EMERGENCIA",
"SAME - SERVIÇOS DE ATUAÇÃO EM MEDICINA", "RAV COMÉRCIO SERVIÇOS E LOCAÇÕES LTDA-ME",
"POSTO CANCELA SERVIÇOS E COMERCIO LTDA", "P R Viana junior Arts Graficas",
"NUCLEO DE INFORMAÇÃO E COORDENAÇÃO DO PONTO BR", "NUCLEO DE DANCA PORTADORES DE ALEGRIA",
"MOREIRA ARANTES CORRETORA DE SEGUROS LTDA", "MOREIRA ARANTES CORRETORA SEGUROS LTDA",
"MEDGROUP OFFSHORE DIST. DE MED. E PROD. FARMA", "MAILLET SINALIZAÇÃO E PAPELARIA LTDA",
"L. N. CARVALHO COMERCIO E SERVIÇOS LTDA -ME", "L. ALVES VIDRAÇARIA LTDA",
"J L EMPREENDIMENTOS COMERCIAIS EIRELI", "IRMAOS PRATA CONSTRUCAO E CONSERVACAO LTDA-ME",
"IRMAOS PRATA CONSTRUÇÃO E CONSERVAÇÃO LTDA-ME", "GRAFICA LITORAL DE MACAE LTDA - ME", "G.T. NAUTICA LTDA",
"FRANCA & MARINS LTDA", "FRANÇA E MARINS LTDA", "FLASH PRINT ARTES GRAFICAS LTDA.",
"FLASH PRINT ARTES GRAFICAS LTDA ME", "FERRAGENS MAG DE MACAE LTDA EPP", "FERRAGENS MAG DE MACAE LTDA - EPP",
"ELEMIO SERVIÇOS LTDA", "EJORAN-ED.DE JORNAIS, REV.E AG.DE NOTICIAS",
"EJORAN EDITORA DE JORNAIS,REV. E AG. DE NOTICIAS L", "EJORAN EDITORA DE JORNAIS REVISTAS E AGENCIA DE NO",
"EJORAN EDITORA DE JORNAIS E REV E AG DE NOTICIAS", "EJORAN EDIT.DE JORNAIS,REV. E AG.NOT.",
"EJORAN EDIT. JORNAIS, REVISTAS E AG. NOTICIAS LTDA", "EJORAN EDIT. DE JORN. REVISTAS E AGENC.DE NOTICIAS",
"EJORAN - ED DE JORNAIS, REVISTAS E AGENCIA DE NOTI", "E. SOUZA & FILHO MATERIAIS DE CONSTRUCAO LTDA",
"E. SOUZA & FILHO MATERIAIS DE CONSTRUÇAO LTDA", "E. L. MIDIA EDITORA LTDA/DIARIO DA COSTA DO SOL",
"DISTRIPAPER DISTRIB. DE MATERIAL P/ ESCRITORIO LTD", "DISTRIPAPER DIST. DE MAT. P/ ESCRITORIO LTDA",
"COMACHARQUE COM. DE MAQUINAS E EQUIP. LTDA EPP", "COMACHARQUE COM. DE MÁQUINAS E EQUIP. LTDA EPP",
"CELEM & CIA LTDA", "CELEM & CIA LTDA - ME", "CASA BELLA DE MACAE MATERIAL DE CONSTRUÇÃO LTDA-EP",
"CARMELO COMERCIO E SERVICOS LTDA-ME", "CARMELO COMERCIO E SERVIÇOS LTDA-ME", "CARDIM & CARDIM LTDA - ME",
"CARDIM & CARDIM LTDA ME", "AUTOLAGOS COM. DE PECAS LTDA", "AUTOLAGOS COMERCIO DE PECAS LTDA - ME",
"AUTOLAGOS COMERCIO DE PEÇAS LTDA - ME",
"ASSOCIAÇÃO PAIS E AMIGOS DOS JUDOCAS", "ARLEY AMARAL DE CARVALHO (NAO USAR) USAR 418",
"ALCYR ALVES FERREIRA & CIA LTDA", "AHAVAT COMERCIO E SERVICOS LTDA - ME",
"AHAVAT COMERCIO E SERVICOS LTDA -ME", "AHAVAT COMERCIO E SERVICOS LTDA ME",
"AHAVAT COMERCIO E SERVICOS LTDA-ME", "IRMANDADE DE SAO JOAO BATISTA MACAE",
"IRMANDADE SAO JOAO BATISTA DE MACAE",
"MOREIRA ARANTES CORRETORA SEGUROS LTDA", "MOREIRA ARANTES CORRETORA DE SEGUROS LTDA",
"Nucleo de Informecao e Coordenacao do Ponto BR", "TAECO MATERIAIS DE CONSTRUÇAO LTDA",
"CANAA DE CARMO DISTRIB. DE PROD. ALIMENTICIOS LTDA", "CELEM E CIA LTDA",
"DISTRIPAPER DISTRIBUIDORA DE MAT.P/ESCRITORIO LTDA", "L. ALVES VIDRACARIA LTDA",
"R A V COMERCIO SERVICOS & LOCACOES LTDA"],
["TORNADO-VIGILANCIA E CONSERVACAO LTDA", "TOMOGRAFIA MACAE LTDA", "TAECO MATERIAIS DE CONSTRUCAO LTDA.",
"T.K.S.SERVICE LTDA", "SUCBRASIL COM. EXTINTORES DE INCENDIO E SERV MARIT",
"SAME - SERVICOS DE ATUACAO EM MEDICINA", "SAME - SERVICOS DE ATUACAO EM MEDICINA",
"SAME - SERVICOS DE ATUACAO EM MEDICINA", "RAV COMERCIO SERVICOS E LOCACOES LTDA-ME",
"POSTO CANCELA SERVICOS E COMERCIO LTDA", "P R VIANA JUNIOR ARTS GRAFICAS",
"NUCLEO DE INFORMACAO E COORDENACAO DO PONTO BR", "NUCLEO DE DANCA PORTADORES DA ALEGRIA",
"MOREIRA ARANTES CORRETORA DE SEGUROS", "MOREIRA ARANTES CORRETORA DE SEGUROS",
"MEDGROUP OFFSHORE DIST.MED.E PROD.FARMACEUTICOS LT", "MAILLET SINALIZACAO E PAPELARIA LTDA",
"L. N. CARVALHO COMERCIO E SERVICOS LTDA -ME", "L ALVES VIDRACARIA LTDA-ME",
"J L EMPREENDIMENTOS COMERCIAIS EIRELI ME", "IRMAOS PRATA COM. SERV. DE CONSERV. LTDA",
"IRMAOS PRATA COM. SERV. DE CONSERV. LTDA", "GRAFICA E PAPELARIA LITORAL DE MACAE LTDA",
"G. T. NAUTICA LTDA",
"FRANCA E MARINS LTDA", "FRANCA E MARINS LTDA", "FLASH PRINT ARTES GRAFICAS LTDA - ME",
"FLASH PRINT ARTES GRAFICAS LTDA - ME", "FERRAGENS MAG DE MACAE LTDA", "FERRAGENS MAG DE MACAE LTDA",
"ELEMIO SERVICOS LTDA", "EJORAN ED.JORNAIS REVISTAS AG NOTICIA", "EJORAN ED.JORNAIS REVISTAS AG NOTICIA",
"EJORAN ED.JORNAIS REVISTAS AG NOTICIA", "EJORAN ED.JORNAIS REVISTAS AG NOTICIA",
"EJORAN ED.JORNAIS REVISTAS AG NOTICIA", "EJORAN ED.JORNAIS REVISTAS AG NOTICIA",
"EJORAN ED.JORNAIS REVISTAS AG NOTICIA", "EJORAN ED.JORNAIS REVISTAS AG NOTICIA",
"E. SOUZA E FILHOS MATERIAIS DE CONSTRUCAO LTDA", "E. SOUZA E FILHOS MATERIAIS DE CONSTRUCAO LTDA",
"E. L. MIDIA EDITORA LTDA", "DISTRIPAPER DISTRIB DE MATERIAL PARA ESCRITORIO LT",
"DISTRIPAPER DISTRIB DE MATERIAL PARA ESCRITORIO LT", "COMACHARQUE MAQUINAS E EQUIP.PARA ALIMENTACAO",
"COMACHARQUE MAQUINAS E EQUIP.PARA ALIMENTACAO", "CELEM CIA LTDA", "CELEM CIA LTDA",
"CASA BELLA DE MACAE MATERIAL DE CONSTRUCAO LTDA-EP", "CARMELO COMERCIO E SERVICOS LTDA ME",
"CARMELO COMERCIO E SERVICOS LTDA ME", "CARDIM E CARDIM LTDA ME", "CARDIM E CARDIM LTDA ME",
"AUTOLAGOS COMERCIO DE PECAS", "AUTOLAGOS COMERCIO DE PECAS", "AUTOLAGOS COMERCIO DE PECAS",
"ASSOCIACAO PAIS E AMIGOS DOS JUDOCAS",
"ARLEY AMARAL DE CARVALHO", "ALCYR ALVES FERREIRA E CIA LTDA", "AHAVAT COMERCIO E SERVICOS LTDA - ME",
"AHAVAT COMERCIO E SERVICOS LTDA - ME", "AHAVAT COMERCIO E SERVICOS LTDA - ME",
"AHAVAT COMERCIO E SERVICOS LTDA - ME",
"IRMANDADE SAO JOAO BATISTA DE MACAE", "IRMANDADE SAO JOAO BATISTA DE MACAE",
"MOREIRA ARANTES CORRETORA DE SEGUROS",
"MOREIRA ARANTES CORRETORA DE SEGUROS", "NUCLEO DE INFORMACAO E COORDENACAO DO PONTO BR",
"TAECO MATERIAIS DE CONSTRUCAO LTDA.",
"CANAA DE CARMO DISTRIBUIDORA LTDA ME", "CELEM CIA LTDA", "DISTRIPAPER DISTRIB DE MATERIAL PARA ESCRITORIO LT",
"L ALVES VIDRACARIA LTDA-ME", "RAV COMERCIO SERVICOS E LOCACOES LTDA-ME"])
return frame
def main1():
df1 = pref()
df1.to_sql('prefeito_vp_secretarios', con=conn, if_exists='replace', index=False)
df_2_dir = vereadores_dir()
df_2_dir.to_sql('vereadores_mesa_diretora', con=conn, if_exists='replace', index=False)
df_2_com = vereadores_com()
df_2_com.to_sql('vereadores_comissao', con=conn, if_exists='replace', index=False)
df_doadores = doadores()
df_doadores.to_sql('doadores', con=conn, if_exists='replace', index=False)
df_fornecedores = fornecedores()
df_fornecedores.to_sql('fornecedores', con=conn, if_exists='replace', index=False)
df_serv_camara = servidores_camara()
df_serv_camara.to_sql('servidores_camara', con=conn, if_exists='replace', index=False)
df_serv_pref = servidores_pref()
df_serv_pref.to_sql('servidores_pref', con=conn, if_exists='replace', index=False)
df_filiacao = filiacao()
df_filiacao.to_sql('filiacao_partidaria', con=conn, if_exists='replace', index=False)
receita_cnpj, receita_qsa, receita_ativ_sec = dados_receita()
receita_cnpj.to_sql('receita_CNPJ', con=conn, if_exists='replace', index=False)
receita_qsa.to_sql('receita_QSA', con=conn, if_exists='replace', index=False)
receita_ativ_sec.to_sql('receita_ATIV_SEC', con=conn, if_exists='replace', index=False)
df_credores = credores()
df_credores.to_sql('credores', con=conn, if_exists='replace', index=False)
credores_liquidacoes = credores_liquida()
credores_liquidacoes.to_sql('credores_liquidacoes', con=conn, if_exists='replace', index=False)
credores_pagamentos = credores_pagtos()
credores_pagamentos.to_sql('credores_pagamentos', con=conn, if_exists='replace', index=False)
detalhes_emp = detalhes_empenhos(df_credores)
detalhes_emp.to_sql('detalhes_emp', con=conn, if_exists='replace', index=False)
df_bens = bens()
df_bens.to_sql('bens', con=conn, if_exists='replace', index=False)
df_contratos = dados_contratos()
df_contratos.to_sql('contratos', con=conn, if_exists='replace', index=False)
return
def main2():
xlsx = pd.ExcelFile('./fontes_db/Tabela_Partes_Relacionadas.xlsx')
partes_list = []
d = {}
for sheet in xlsx.sheet_names:
d[f'{sheet}'] = pd.read_excel(xlsx, sheet_name=sheet)
for df_name in d.keys():
df = d[df_name]
df = beautifier_cols(df)
df['nome'] = [unidecode.unidecode(str(i)) for i in df.nome]
df.columns = [unidecode.unidecode(str(i)) for i in df.columns]
partes_list.append(df)
d[df_name] = df
df.to_sql(df_name, con=conn2, if_exists='replace', index=False)
# adding partes relacionadas flag in merged_times table
tables_join = [beautifier_cols(d['credores_fornecedores']),
beautifier_cols(d['credores_doadores']),
beautifier_cols(d['credores_servidores_pref']),
beautifier_cols(d['credores_filiacao_partidaria'])]
df_temp = reduce(lambda x, y: pd.merge(x, y, on='nome', how='outer'), tables_join)[
['nome', 'soma_de_percentual_de_doacao', 'soma_de_percentual_de_despesas']].drop_duplicates().sort_values(
'nome').fillna(0)
part = replace_names(df_temp)
# to correct misterious problem of duplicated IRMANDADE SAO JOAO BATISTA DE MACAE and
# MOREIRA ARANTES CORRETORA DE SEGUROS
# part = part.drop([98])
temp = part[part['nome'].groupby(part.nome).transform('size') > 1]
temp = temp[(part.soma_de_percentual_de_despesas == 0) & (part.soma_de_percentual_de_doacao == 0)]
part = part.drop(list(temp.index))
df_credores = credores()
detalhes_emp = detalhes_empenhos(df_credores)
credores_pagamentos = credores_pagtos()
credores_liquidacoes = credores_liquida()
df_liq_pagto_emp = tempos_consolidados(detalhes_emp, credores_liquidacoes, credores_pagamentos) # merged times
df = pd.merge(df_liq_pagto_emp, part, left_on='credor', right_on='nome', how='left')
df['parte_relac'] = np.where(df.nome.isna(), 0, 1)
df_liq_pagto_emp = df.drop(columns=['nome']).drop_duplicates().reset_index(drop=True)
df = pd.merge(df_liq_pagto_emp, beautifier_cols(d['credores_servidores_pref'])['nome'], left_on='credor', right_on='nome', how='left')
df['servidor_prefeitura'] = np.where(df.nome.isna(), 0, 1)
df_liq_pagto_emp = df.drop(columns=['nome']).drop_duplicates().reset_index(drop=True)
df = pd.merge(df_liq_pagto_emp, beautifier_cols(d['credores_filiacao_partidaria'])['nome'], left_on='credor', right_on='nome', how='left')
df['filiado_partido'] = np.where(df.nome.isna(), 0, 1)
df_liq_pagto_emp = df.drop(columns=['nome']).drop_duplicates().reset_index(drop=True)
df_liq_pagto_emp['soma_de_percentual_de_doacao'] = df_liq_pagto_emp['soma_de_percentual_de_doacao'].fillna(0)
df_liq_pagto_emp['soma_de_percentual_de_despesas'] = df_liq_pagto_emp['soma_de_percentual_de_despesas'].fillna(0)
df_liq_pagto_emp.to_sql('merged_times', con=conn, if_exists='replace', index=False)
# generating merged_times_2
cur = conn.cursor()
query = str("""SELECT * FROM
merged_times as mer
WHERE
mer.grupo_da_despesa in (
"NULL", "3.3 - OUTRAS DESPESAS CORRENTES", "4.4 - INVESTIMENTOS", "4.5 - INVERSÕES FINANCEIRAS")
AND
mer.natureza_da_despesa
NOT in ("3.3.90.01 - APOSENTADORIAS E REFORMAS", "3.3.90.01 - PROVENTOS - PESSOAL CIVIL - RPPS",
"3.3.90.03 - PENSIONISTAS CIVIS - RPPS", "3.3.90.03 - PENSÕES",
"3.3.90.33.10 - TAXA SERV. EMISSAO BILHETES NAO UTILIZ.", "3.3.90.05 - OUTROS BENEFICIOS PREVIDENCIÁRIOS",
"3.3.90.08 - OUTROS BENEFICIOS ASSISTENCIAIS DO SERVI",
"3.3.90.08 - OUTROS BENEFÍCIOS ASSISTENCIAIS DO SERVIDOR OU DO MILITAR", "3.3.90.14 - DIARIAS - CIVIL",
"3.3.90.14 - DIARIAS NO PAIS", "3.3.90.14 - DIÁRIAS - CIVIL",
"3.3.90.14 - DIÁRIAS NO PAÍS", "3.3.90.18 - AUXILIO FINANCEIRO A ESTUDANTES",
"3.3.90.18 - AUXÍLIO FINANCEIRO A ESTUDANTES", "3.3.90.18 - Bolsas Alunos Colég. Aplic. FUNEMAC",
"3.3.90.20 - AUXÍLIO FINANCEIRO A PESQUISADORES",
"3.3.90.31 - PREMIAÇÕES CLT., ART., C., DESP. E OUTRAS",
"3.3.90.33.06 - PASSAGENS E LOCOMOCAO NA SUPERV. VENDAS",
"3.3.90.36.06 - SERVICOS TECNICOS PROFISSIONAIS", "3.3.90.36.44.01. - MULTAS", "3.3.90.36.44.01. - MULTAS",
"3.3.90.39.36 - MULTAS INDEDUTIVEIS", "3.3.90.39.36 - MULTAS INDEDUTIVEIS",
"3.3.90.46 - AUXILIO REFEIÇÃO", "3.3.90.46 - Auxilio-Alimentacao servidores",
"3.3.90.46 - Auxilio-Alimentação", "3.3.90.47 - OBRIGACOES TRIBUTARIAS E CONTRIBUTIVAS",
"3.3.90.47 - OBRIGAÇÕES TRIBUTÁRIAS E CONTRIBUTIVAS", "3.3.90.48 - AUXILIO A PESSOAS FISICAS",
"3.3.90.48 - OUTROS AUXILIOS FINANCEIROS A PESSOAS FISICAS",
"3.3.90.48 - OUTROS AUXÍLIOS FINANCEIROS A PESSOAS FÍSICAS", "3.3.90.91 - SUCUMBENCIAIS DE PRECATORIOS",
"3.3.90.91 - Precatorios Incluidos na LOA", "3.3.90.92 - DESPESAS DE EXERCICIOS ANTERIORES",
"3.3.90.92 - DESPESAS DE EXERCÍCIOS ANTERIORES", "3.3.90.93 - INDENIZACOES E RESTITUICOES",
"3.3.91.47 - OBRIGAÇÕES TRIBUTÁRIAS E CONTRIBUTIVAS", "4.4.90.92 - DESPESAS DE EXERCICIOS ANTERIORES",
"4.4.90.92 - DESPESAS DE EXERCÍCIOS ANTERIORES", "4.5.90.92 - DESPESAS DE EXERCÍCIOS ANTERIORES",
"4.4.90.93 - INDENIZACOES E RESTITUICOES", "4.5.90.61 - AQUISIÇÃO DE IMÓVEIS")
AND
desdobramento_da_despesa
NOT in ("3.3.90.30.96 - MATERIAL DE CONSUMO - PAGTO ANTECIPADO", "3.3.90.33.08 - PEDAGIOS",
"3.3.90.33.03 - LOCACAO DE MEIOS DE TRANSPORTE",
"3.3.90.33.05 - LOCOMOCAO URBANA", "3.3.90.33.06 - PASSAGENS E LOCOMOCAO NA SUPERV. VENDAS",
"3.3.90.33.09 - TRANSPORTE DE SERVIDORES", "3.3.90.36.28 - SERVICO DE SELECAO E TREINAMENTO",
"3.3.90.36.35 - SERV. DE APOIO ADMIN., TECNICO E OPERACI",
"3.3.90.36.45 - JETONS E GRATIFICACOES A CONSELHEIROS",
"3.3.90.36.96 - OUTROS SERV. TERCEIROS PF. PAGT ANTECIPA",
"3.3.90.39.25 - TAXA DE ADMINISTRACAO", "3.3.90.39.36 - MULTAS HONORARIOSINDEDUTIVEIS",
"3.3.90.39.36 - MULTAS INDEDUTIVEIS", "3.3.90.39.37 - JUROS", "3.3.90.39.43 - SERVICOS DE ENERGIA ELETRICA",
"3.3.90.39.81 - SERVICOS BANCARIOS", "3.3.90.39.02 - CONDOMINIOS", "3.3.90.39.03 - COMISSOES E CORRETAGENS",
"3.3.90.39.25 - TAXA DE ADMINISTRACAO",
"3.3.90.39.35 - MULTAS DEDUTIVEIS", "3.3.90.93.02 - RESTITUICOES", "3.3.90.39.36.01. - MULTAS",
"3.3.90.39.39 - ENCARGOS FINANCEIROS INDEDUTIVEIS",
"3.3.90.39.64 - SERV.DE PERICIA MEDICA/ODONTOLOG P/BENEF", "3.3.90.39.65 - SERVICOS DE APOIO AO ENSINO",
"3.3.90.39.66 - SERVICOS JUDICIARIOS", "3.3.90.39.81 - SERVIÇOS BANCARIOS",
"3.3.90.36.44.01. - MULTAS", "3.3.90.47.10 - TAXAS", "3.3.90.47.12 - CONTRIBUIÇÃO PARA O PIS/PASEP",
"3.3.90.47.27 - MULTAS INDEDUTÍVEIS", "3.3.90.48.01.05. - AUX. FIN. ALUGUEL EMERGENCIA",
"3.3.90.39.96 - OUTROS SERV.TERC. P.J.- PAGTO ANTECIPADO", "3.3.90.48.01.10. - AUX. FINANC. BOLSA ATLETA",
"3.3.90.48.99 - Outros Auxilios Financeiros a P. Fisicas",
"3.3.90.91.01 - Sent.Judic.Transit.em Julgado - Ano Corr",
"3.3.90.91.03 - SENTENCAS JUDICIAIS DE PEQUENO VALOR",
"3.3.90.91.06 - HONORARIOS SUCUMBENCIAIS DE PRECATORIOS",
"3.3.90.92.81 - SERVICOS BANCARIOS", "3.3.90.92.93 - INDENIZACOES E RESTITUICOES",
"3.3.90.92.93 - INDENIZACOES E RESTITUICOES", "3.3.90.92.14 - DIARIAS - CIVIL",
"3.3.90.92.18 - AUXILIO FINANCEIRO A ESTUDANTES", "3.3.90.92.46 - AUXILIO-ALIMENTACAO",
"3.3.90.92.47 - OBRIGACOES TRIBUTARIAS E CONTRIBUTIVAS", "3.3.90.92.50 - MULTAS E JUROS",
"3.3.90.93.01 - INDENIZACOES", "4.4.90.52.91 - VARIACAO CAMBIAL NEGATIVA")
--excluding municipality entities
AND
mer.credor
NOT in ("A. DE A. ES. DO COL. MU. TARCISIO PAES DE FIGUEIRE", "AAE C.M. BOTAFOGO", "AAE C.M. ELZA IBRAHIM",
"AAE CIEP - 371 - BARRA DE MACAE", "AAE CIEP 058 - OSCAR CORDEIRO",
"AAE CIEP 454 - NOVA HOLANDA", "AAE CIEP MUNICIPALIZADO PROF. DARCY RIBEIRO",
"AAE CM DR. CLAUDIO MOACYR DE AZEVEDO", "AAE COL. MUN. NEUZA GOULART BRIZOLA",
"AAE COLEGIO ESTADUAL MUNICIPAL RAUL VEIGA", "AAE COLEGIO MUN. PROF. SAMUEL BRUST",
"AAE COLEGIO MUNICIPAL JOAQUIM AUGUSTO BORGES", "AAE COLEGIO MUNICIPAL ZELITA ROCHA DE AZEVEDO",
"AAE DO CIEP MARINGA", "AAE E. M. SOL Y MAR", "AAE E.M. CHRISTOS JEAN KOUSOULAS",
"AAE E.M. MARIA ISABEL DAMASCENO", "AAE E.M. PROF. ANTONIO ALVAREZ PARADA",
"AAE EM LEONEL DE MOURA BRIZOLA", "AAE EST. MUNIC. NOSSO SENHOR DOS PASSOS",
"AAE EST. MUNICIPALIZADA CORREGO DO OURO", "AAE ESTADUAL MUN. CAROLINA C. BENJAMIN",
"AAE ESTADUAL MUN. FAZENDA SANTA MARIA", "AAE ESTADUAL MUN. JACYRA TAVARES DURVAL",
"AAE ESTADUAL MUNIC. CAETANO DIAS", "AAE ESTADUAL MUNICIPALIZADA CAETANO DIAS",
"AAE ESTADUAL MUNICIPALIZADA COQUINHO", "AAE ESTADUAL MUNICIPALIZADA FANTINA DE MELO",