import pandas as pd
from sqlalchemy import create_engine
import time
from datetime import datetime
# 数据库连接配置
DB_CONFIG = "mysql+pymysql://root:root@localhost:3306/recycle"
engine = create_engine(DB_CONFIG)

def process_and_import(file_path):
    # 1. 读取 CSV
    # df = pd.read_csv(file_path)
    df = pd.read_csv(file_path, encoding='gbk')

    # 2. 条件转换：type_id 等于 101 时转成 2
    # 注意：确保 type_id 在读取时是数值类型，如果是字符串请用 '101'
    if 'type_id' in df.columns:
        df.loc[df['type_id'] == 101, 'type_id'] = 2

    # 3. 数据过滤：machine_id 不为空
    # dropna 会删除 machine_id 列中值为 NaN 的行
    df_filtered = df.dropna(subset=['machine_id']).copy()
    current_now = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    df_filtered['create_time'] = current_now
    df_filtered['update_time'] = current_now
    # 4. 筛选目标字段
    # 虽然我们要过滤 machine_id 和 type_id，但最后写入表的字段按你要求的来
    required_columns = [
        'id', 'machine_id', 'temp_type', 
        'estimate_packet', 'create_time', 'update_time'
    ]
    
    # 检查字段是否存在，避免报错
    final_df = df_filtered[required_columns]

    # 5. 数据清洗：处理空值并写入
    final_df = final_df.where(pd.notnull(final_df), None)

    try:
        final_df.to_sql(
            name='machine_temp', 
            con=engine, 
            if_exists='append', 
            index=False
        )
        print(f"导入成功！处理后的有效数据行数: {len(final_df)}")
    except Exception as e:
        print(f"导入失败: {e}")

if __name__ == "__main__":
    process_and_import('t_chx_machine_temp.csv')