Sistema imperial

Lectura estimada: 4 minutos 1386 puntos de vista

Para importar bases de datos, MiningMath utiliza el sistema métrico exclusivamente. En caso de que su base de datos esté en el sistema imperial, debe ser modificado a una contraparte en el sistema métrico. Esta página proporciona una secuencia de comandos y más instrucciones para que realice esta conversión con éxito..

Para este proceso, python y pandas se requieren paquetes (consulte las pautas de instalación a continuación). En caso de que encuentre algún problema al usar el script, o si le haces alguna modificación que pueda ser útil para la comunidad en su conjunto, por favor comparte tus descubrimientos en nuestro Foro.

Código de script

Descarga de guión

Si ya estás familiarizado con python guiones, solo copie o descargue este simple python script y ejecútelo en su máquina. De lo contrario, siga desplazándose para obtener más instrucciones.
Descargar

				
					import pandas

# define conversion consts
# foot to metter const
ft_to_m = 0.3048
# short tonne to metric tonne const
st_to_t = 0.907184
# ounce to gram const
oz_to_g = 28.34952

# import imperial model
imperial_model = pandas.read_csv("imperial_model.csv")

# create metric model
metric_model = pandas.DataFrame(columns=['X', 'Y', 'Z'])

# set coordinates to metric model (foot to meter)
metric_model['X'] = imperial_model['X'] * ft_to_m
metric_model['Y'] = imperial_model['Y'] * ft_to_m
metric_model['Z'] = imperial_model['Z'] * ft_to_m

# set dimension to metric model (foot to meter)
metric_model['!DIM_X'] = imperial_model['DIM_X'] * ft_to_m
metric_model['!DIM_Y'] = imperial_model['DIM_Y'] * ft_to_m
metric_model['!DIM_Z'] = imperial_model['DIM_Z'] * ft_to_m

# set mass to metric model (short tonne to metric tonne)
metric_model['!MASS'] = imperial_model['MASS'] * st_to_t

# set volume to metric model (cubic metter)
metric_model['!VOLUME'] = metric_model['!DIM_X'] * metric_model['!DIM_Y'] * metric_model['!DIM_Z']

# set density to metric model (metric tonne per cubic metter)
metric_model['%DENSITY'] = metric_model['!MASS'] / metric_model['!VOLUME']

# set grades to metric model (ounces per short tonne to grams per metric tonne or ppm)
metric_model['@GRADE_AU'] = imperial_model['GRADE_AU'] * oz_to_g / st_to_t
metric_model['@GRADE_CU'] = imperial_model['GRADE_CU'] * oz_to_g / st_to_t

# set recovery values to metric model
metric_model['*REC_AU'] = imperial_model['REC_AU']
metric_model['*REC_CU'] = imperial_model['REC_CU']

# set economic values to metric model
metric_model['$PROCESS'] = imperial_model['PROCESS']
metric_model['$WASTE'] = imperial_model['WASTE']

# export metric model to csv
metric_model.to_csv("metric_model.csv", index = False)

1. Instalación de Python

Descarga la última versión de Python en https://www.python.org/downloads/.
Página web de descarga de Python
Una vez que se complete la descarga, abre el .exe y siga las instrucciones para una instalación por defecto. Asegúrate de seleccionar "Add Python to Path" antes de continuar, como se muestra a continuación.
Pantalla de instalación de Python
En este punto, la instalación debe ser concluida. Puede comprobar si Python se ha instalado correctamente ejecutando el comando python --version en Windows PowerShell.
Versión de Python en Windows PowerShell

2. Instalando pandas

pandas es una herramienta de análisis y manipulación de datos de código abierto, construido sobre Python. Siga los pasos a continuación para instalarlo:

Abra Windows PowerShell y ejecute el comando "pip install pandas".
Comando de instalación de pandas
Una vez completada la instalación, puedes ejecutar Pandas dentro de tus programas de Python. Puede verificar si Pandas se ha instalado correctamente ejecutando el comando "pip show pandas" en Windows PowerShell.
versión pandas

3. Convirtiendo tu base de datos

Este script se puede usar para convertir pies a metros; tonelada corta a tonelada métrica; y onza a gramo.
Funciona con las columnas.: X, Y, Z, DIM_X, DIM_Y, DIM_Z, MASS, VOLUME, DENSITY, GRADE_AU, GRADE_CU, REC_AU, REC_CU, PROCESS, WASTE.

Siga los pasos a continuación:

Guarde su base de datos en un archivo llamado imperial_model.csv, en la misma carpeta donde se encuentra su script.
Ejecute el comando python imperial.py en Windows PowerShell desde la carpeta donde se encuentra el script. El siguiente ejemplo muestra el script en la carpeta Descargas.
Ejecutar ejemplo de secuencia de comandos
Abra el archivo de salida llamado metric_model.csv, y eso es! Tus datos han sido convertidos al sistema métrico.
Ejemplo de archivo de salida

MiningMath

Loading...