#!/usr/bin/env python
# coding: utf-8

# In[1]:


import pandas as pd


# # 1. Baixe os dados e carregue-os com o Pandas 

# In[2]:


data = pd.read_excel('BaseDadosQuadroDetalhadoDaAcao.xls')


# # 2. Agrupe os dados da planilha por Subprefeitura 

# In[3]:


data_sub = data.groupby('DESC_SUBPREFEITURA')


# # 3. Filtre os projetos de 2016 com maiores custos por Subprefeitura

# In[70]:


max_proj = data.iloc[data_sub['VALOR_DA'].idxmax()][['DESC_SUBPREFEITURA', 'COD_SUBPREFEITURA', 'DESC_PA', 'VALOR_DA']]
max_proj


# # 4. Carregue dados geográficos das subprefeituras
# 
# Por exemplo usando o arquivo 'subprefeituras.csv' do nosso repositório https://github.com/okfn-brasil/gastos_abertos_dados/tree/master/GIS.

# In[33]:


mapa = pd.read_csv('subprefeituras.csv')


# # 5. Adicione à planilha acima os dados que extraímos dos projetos de 2016

# In[39]:


mapa['subpreferitura_cod'] = [66, 50, 57, 44, 56, 71, 62, 43, 68, 53, 64, 67, 55, 48, 58, 65, 60, 61, 41, 51, 42, 45, 54, 70, 63, 49, -1, 46, 52, 69, 69]


# In[64]:


descr = []
valores = []

for sc in mapa.subpreferitura_cod.values:
    if sc != -1:
        sub_max = max_proj[max_proj['COD_SUBPREFEITURA'] == sc]
        valores.append(float(sub_max['VALOR_DA']))
        descr.append(str(sub_max['DESC_PA']))
    else:
        valores.append(0)
        descr.append("")


# In[65]:


mapa['valor'] = valores
mapa['descr_proj'] = descr


# # 6. Salve a nova planilha

# In[69]:


mapa.to_csv('mapa_top.csv')


# # 7. Publique no CartoDB!
# 
# http://bit.ly/1lvKhHC
# 
# <iframe width="100%" height="520" frameborder="0" src="https://aivuk.cartodb.com/viz/5c369dec-9908-11e5-8af4-0ef24382571b/embed_map" allowfullscreen webkitallowfullscreen mozallowfullscreen oallowfullscreen msallowfullscreen></iframe>

# In[ ]: