# mi primer programa
print('!Bienvenidos al workshop, "Python Aplicado a la Industria del O&G"!')

# número entero (int)
x = 20
# número flotante (float)
y = 0.35
# número complejo (complex)
z = 3 + 4j
# tipo booleano (bool)
r = 1 < 3
# caracteres o texto (str)
t = 'spwla uni student chapter'
# objeto nulo (special)
n = None

print('x es una variable de tipo', type(x))
print('y es una variable de tipo', type(y))
print('z es una variable de tipo', type(z))
print('r es una variable de tipo', type(r))
print('t es una variable de tipo', type(t))
print('n es una variable de tipo', type(n))

# operaciones aritméticas
print('La suma es: ', x + y)
print('La diferencia es: ', z - y)
print('La multiplicación es: ', x * y)
print('La división es: ', z / x)

# listas (list)
ls = [1, 2, 3]
# tuplas (tuple)
tp = (1, 2, 3) 
# diccionarios (dict)
dc = {'a':1, 'b':2, 'c':3}
# conjuntos (set)
st = {1, 2, 3}

print('ls es una variable de tipo', type(ls))
print('tp es una variable de tipo', type(tp))
print('dc es una variable de tipo', type(dc))
print('st es una variable de tipo', type(st))

# indexación en listas
print(my_list[0])
print(my_list[-1])
print(my_list[2][1])

2# asignar a una variable un valor
a = input('Ingrese el primero número:')
b = input('Ingrese el segundo número:')
# condicional
if a == b:
    print('Los números', a, 'y', b, 'son iguales')
elif a < b:
    print('El número', a, 'es menor que', b)
else:
	print('El número', b, 'es menor que', a)

# usando un bucle for
for i in range(len(uni)):
    print(uni[i], country[i], sep = ' -> ')

# usando la función 'enumerate()'
for i, valor in enumerate(uni):
    print(i, uni[i], country[i], sep=' -> ')

# usando un bucle while
i = 0
while i < len(uni):
    print(i, uni[i], country[i], sep = ' -> ')
    i += 1 

# creación de matrices
np.array([1, 2, 3, 4, 5])

# creación de una matriz con tipo de variable float
np.array([1, 2, 3, 4, 5], dtype='float32')

# genera una matriz 1-d de 1 a 36, con un incremento de 3
np.arange(1, 36, 3)

# crear 9 puntos de igual espaciado en el rango de 0 a 100
np.linspace(0, 100, 12)

# crea una matriz de 34 valores aleatorios en el rango 0-100
np.random.randint (1, 100, 34)

# suma de matrices
print(array_A - array_B)
print()
print(array_A + array_B)
print()
print(np.add(array_A, array_B))

# producto de elementos
print(array_A * array_B)
print()
print(array_A @ array_B)

# tamaño del gráfico
plt.figure(figsize = (8, 5))

# ploteo de las tres funciones
plt.plot(x, y, 'red', label='y = sin(x)')
plt.plot(x, 2*y, 'green', label='y = 2sin(x)')
plt.plot(x, 3*y, 'blue', label='y = 3sin(x)')
# insertar título del gráfico
plt.title('Funciones trigonométricas', size=20, pad=10)
# insertar etiqueta de los ejes
plt.xlabel('X')
plt.ylabel('Y')
# insertar legenda y posición
plt.legend(loc='upper left')
# limitar el eje x
plt.xlim(-4, 4)
plt.grid()
# mostrar gráfico
plt.show()

# convertir los resultados trigonométricos en un dataframe ('hoja de cálculo')
fun_trig = pd.DataFrame({'X': x, 'Sin(x)': y, '2 Sin(x)': 2*y, '3 Sin(x)': 3*y})

# visualización del dataframe
fun_trig

# mostrar primeras/últimas 5 filas del dataframe
fun_trig.head()
# fun_trig.tail()

# mostrar el nombre del índice y las columnas
# fun_trig.index
fun_trig.columns

# descripción de estadística básica
fun_trig.describe()

# operaciones en el dataframe
print('La desviacíon típica de Sen(x) es: ', fun_trig['Sin(x)'].std())
print('La varianza del Sen(x) es: ', fun_trig['Sin(x)'].var())
print('El percentil 90 del Sen(x) es: ', fun_trig['Sin(x)'].quantile(0.9))

# obtener el conjunto de datos del repositorio abierto (KGS)
!wget 'http://www.kgs.ku.edu/PRS/Scans/Log_Summary/2020.zip'

# instalar la biblioteca lasio para leer el registro de pozo
!pip install lasio

# información de registro en la parte del encabezado del archivo LAS
# print(well.keys())
well.curves

# tamaño del gráfico
plt.figure(figsize = (15, 4))
# traza de los datos del registro de GR
plt.plot(well['DEPT'], well['GR'], color = 'black')
plt.title('Gamma Ray', size = 18)
plt.xlabel('GR (api)'); plt.ylabel('Depth (m)')
plt.show()

# tamaño y título del gráfico
plt.figure(figsize=(12,10))
plt.suptitle('Well Logs: RUMBACK B #21-2', size=20, y =1.03)

# traza de los registros: SP-GR-RT-RHOB-NPHI
plt.subplot(1, 5, 1)
plt.plot(well['SP'], well['DEPT'], color='green')
plt.ylim(max(well['DEPT']), min(well['DEPT']))
plt.title('Self Potencial (SP)')
plt.grid()

plt.subplot(1, 5, 2)
plt.plot(well['GR'], well['DEPT'], color='red')
plt.ylim(max(well['DEPT']), min(well['DEPT']))
plt.title('Gamma Ray (GR)')
plt.grid()

plt.subplot(1, 5, 3)
plt.plot(well['RT'], well['DEPT'], color='blue')
plt.ylim(max(well['DEPT']), min(well['DEPT']))
plt.title('Resistivity (RT)')
plt.semilogx()
plt.grid()

plt.subplot(1, 5, 4)
plt.plot(well['RHOB'], well['DEPT'], color='orange')
plt.ylim(max(well['DEPT']), min(well['DEPT']))
plt.title('Density (RHOB)')
plt.grid()

plt.subplot(1, 5, 5)
plt.plot(well['NPHI'], well['DEPT'], color='purple')
plt.ylim(max(well['DEPT']), min(well['DEPT']))
plt.title('Neutron Porosity (NPHI)')
plt.grid()

# establecer espacio entre los registros de pozo
plt.tight_layout(1) 
plt.show()

# tamaño del gráfico
plt.figure(figsize=(10,6))
# traza del crossplot (RHOB-NPHI-DEPTH)
plt.scatter( well['NPHI'], well['RHOB'], c = well['DEPT'])
plt.title('Neutron - Density Plot', size = 20)
plt.xlabel('NPHI (v/v)')
plt.ylabel('RHOB (g/cc)')
plt.colorbar()
plt.show()

# obtener el conjunto de datos del repositorio abierto (Zenodo-A.R.)
!wget 'https://zenodo.org/record/2596620/files/f0nzie/volve_eclipse_reservoir-v0.1.zip'

# descomprima el archivo y guárdelo en el directorio 'VolveData'
!unzip '/content/volve_eclipse_reservoir-v0.1.zip' -d '/content/Volve_Data'

# defina el directorio del archivo de los datos de producción del campo Volve 
filepath = '/content/Volve_Data/f0nzie-volve_eclipse_reservoir-413a669/inst/rawdata/Volve production data.xlsx'
# leer el excel con el directorio definido
df = pd.read_excel(filepath, sheet_name='Monthly Production Data')
df

# ver cuantos pozos distintos tiene el archivo excel
df['Wellbore name'].unique()

# conjunto de datos solo del pozo 15/9-F-12
df[df['Wellbore name'] == '15/9-F-12']

# tamaño del gráfico
plt.figure(figsize=(14, 7))
# traza de los datos de producción de los fluidos
plt.plot(t, oil_rate, label = 'Oil Production', lw = 2.4, color = 'green')
plt.plot(t, gas_rate, label = 'Gas Production', lw = 2.4, color = 'red')
plt.plot(t, water_rate, label = 'Water Production', lw = 2.4,color = 'blue')
plt.title('History Matching over Months Since February 2008 - 15/9-F-12', size=15)
plt.xlabel('Months Since February 2008', size=12)
plt.ylabel('Monthly Production (Sm3)', size=12)
plt.legend(fontsize = 'large')
plt.semilogy(True)
plt.ylim(10, 0.1e+9)
plt.grid(which="both", color = 'steelblue')
plt.show()

# graficar la producción de petróleo vs tiempo en meses
plt.figure(figsize=(12, 6))
# traza de los datos de producción del petróleo
plt.step(t, oil_rate, label = 'Well 15/9-F-12', lw = 2.4, color = 'green')
plt.title('Oil Monthly Production over Months Since February 2008', size=15)
plt.xlabel('Months Since February 2008', size=12)
plt.ylabel('Oil Monthly Production (Sm3)', size=12)
plt.axvspan(20, 82, color = 'lime', alpha = 0.25, lw = 2.5)
plt.grid(axis = 'y', color = 'steelblue')
plt.legend(fontsize = 'large')
plt.show()

# importar curve_fit desde scipy.optimize
from scipy.optimize import curve_fit
# encontrar los valores de qi, di, b
popt, pcov = curve_fit(hyperbolic, t_normalized, q_normalized)
print('Matriz de popt:\n', popt)
print('Matriz de pcov:\n', pcov)

# asignar los valores encontrados
qi, di, b = popt
# desnormalizamos qi y di
qi = qi * max(q)
di = di / max(t)
# imprima los valores: qi, di y b
print('Initial production rate:', np.round(qi, 3), 'Sm3')
print('Initial decline rate:', np.round(di, 3), 'Sm3/m')
print('Decline coefficient:', np.round(b, 3))

# graficar la producción de petróleo con los pronósticos
plt.figure(figsize=(12, 6))
plt.scatter(t, q, label = 'Production Data', color = 'darkblue')
plt.plot(t_forecast, q_forecast, label = 'Forecast', ls = '--', lw = 2.4, color = 'red')
plt.title('Oil Monthly Production (Well 15/9-F-12) - Result of DCA', size = 16, pad = 12)
plt.xlabel('Months Since February 2008', size = 12)
plt.ylabel('Oil Monthly Production (Sm3)', size = 12)
plt.grid(axis = 'y', color = 'steelblue')
plt.legend(fontsize = 'large')
plt.show()