Shansep en SU toegevoegd en analyses opgeschoond - #15
Conversation
…niet gelukt vanwege incorrecte OCR uit main dbase
…lleen nc sv su plot
There was a problem hiding this comment.
Pull request overview
Deze PR voegt SHANSEP en SUTABEL analysemodules toe aan de PV-tool, inclusief visualisaties en PDF/Excel export functionaliteit. De bestaande c-phi analyses zijn opgeschoond en verbeterd met betere parameter calculatie en foutafhandeling.
Key Changes:
- Nieuwe SHANSEP analyse module met S, m, en POP bepaling
- Nieuwe SUTABEL-m analyse module voor ongedraineerde schuifsterkte
- Verbeterde parameter calculatie functies met betere null-handling
- Opgeschoonde visualisatie modules met consistente naming
Reviewed changes
Copilot reviewed 23 out of 26 changed files in this pull request and generated 7 comments.
Show a summary per file
| File | Description |
|---|---|
| pv_tool/sutabel_analysis/*.py | Nieuwe SUTABEL analyse implementatie met visualisatie en export |
| pv_tool/shansep_analysis/*.py | Nieuwe SHANSEP analyse met verbeterde variabele naming (chi_2 ipv kappa_2) |
| pv_tool/cphi_analysis/calc_parameters.py | Refactoring naar aparte TXT/DSS functies met betere error handling |
| pv_tool/shansep_analysis/globals.py | Toegevoegd 'regel nr' kolom aan column mappings |
| main_nathan.py | Test functies toegevoegd voor nieuwe analyses |
| x_extra_proefresultaten = self.sutabel_data_df['ln(s\'v)'] | ||
| y_extra_proefresultaten = self.sutabel_data_df['ln(su)'] |
There was a problem hiding this comment.
De x en y waarden worden verkeerd opgehaald - ze gebruiken self.sutabel_data_df in plaats van sub_df. Dit betekent dat voor elke extra groep dezelfde data wordt geplot als de hoofdanalyseset, in plaats van de gefilterde extra data. Wijzig regel 78-79 naar sub_df['ln(s\'v)'] en sub_df['ln(su)'].
| x_extra_proefresultaten = self.sutabel_data_df['ln(s\'v)'] | |
| y_extra_proefresultaten = self.sutabel_data_df['ln(su)'] | |
| x_extra_proefresultaten = sub_df['ln(s\'v)'] | |
| y_extra_proefresultaten = sub_df['ln(su)'] |
| x_extra_proefresultaten = self.sutabel_data_df['S\'v'] | ||
| y_extra_proefresultaten = self.sutabel_data_df['Su'] |
There was a problem hiding this comment.
Dezelfde bug als in Comment 1: de x en y waarden worden verkeerd opgehaald van self.sutabel_data_df in plaats van sub_df. Wijzig naar sub_df['S\'v'] en sub_df['Su'].
| x_extra_proefresultaten = self.sutabel_data_df['S\'v'] | |
| y_extra_proefresultaten = self.sutabel_data_df['Su'] | |
| x_extra_proefresultaten = sub_df['S\'v'] | |
| y_extra_proefresultaten = sub_df['Su'] |
| df = df[df['consolidatietype'] == 'OC'].copy() | ||
| boring_monsternummer = df.index | ||
|
|
||
| n=0 |
There was a problem hiding this comment.
[nitpick] De variabele n heeft een onduidelijke naam. Hernoem naar group_index of extra_group_idx om duidelijk te maken dat dit een index is voor de extra groepen lijst.
| df['S'].apply | ||
| (lambda x: np.log(x) if x is not None and x > 0 else "")) | ||
|
|
||
| n=0 |
There was a problem hiding this comment.
[nitpick] Dezelfde onduidelijke variabelenaam n. Hernoem naar group_index voor consistentie.
|
|
||
| boring_monsternummer = df.index | ||
|
|
||
| n=0 |
There was a problem hiding this comment.
[nitpick] Dezelfde onduidelijke variabelenaam n. Hernoem naar group_index voor consistentie.
|
|
||
| boring_monsternummer = df.index | ||
|
|
||
| n=0 |
There was a problem hiding this comment.
[nitpick] De variabele n heeft een onduidelijke naam. Hernoem naar group_index voor consistentie met andere vergelijkbare loops.
| df = df[df['consolidatietype'] == 'OC'].copy() | ||
| boring_monsternummer = df.index | ||
|
|
||
| n=0 |
There was a problem hiding this comment.
[nitpick] Dezelfde onduidelijke variabelenaam n. Hernoem naar group_index voor consistentie.
Shansep analyse afgerond en andere analyses toegevoegd en opgeschoond