# -*- coding: utf-8 -*-
"""
Created on Wed Mar 25 13:57:14 2020

@author: DEROL
"""
# -*- coding: utf-8 -*-
"""
Created on Mon Mar 23 17:39:19 2020

@author: DEROL
"""

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Mon Mar  9 10:11:03 2020

@author: sakaros
"""

import numpy as np
import matplotlib.pyplot as plt
import glob as gb
import re

# precipitations sierem

aflat = np.arange(-35, -35+0.5*145, 0.5)
aflon = np.arange(-18, -18+0.5*139, 0.5)
time = np.arange('1940-01', '2000-01', dtype='datetime64[M]')

rfile = np.sort(gb.glob('/Users/DELL/Documents/Thèse/rain_af/*.txt'))
rfiles = rfile.reshape(12,60).T.reshape(720)
afr = np.empty((rfiles.shape[0], aflat.shape[0], aflon.shape[0]))
for i in range(len(rfiles)):
    pp = np.loadtxt(rfiles[i], skiprows=6)
    pp[pp <0] = np.nan
    afr[i, :,:] = pp[::-1,:]

### plot average continental rainfall
    
plt.contourf(aflon, aflat, np.nanmean(afr, 0))
plt.colorbar()
plt.xlabel('Longitude (°E)', fontweight = 'bold')
plt.ylabel('Latitude (°N)', fontweight = 'bold')

import numpy.ma as ma
import fiona
import shapely.vectorized
from shapely.geometry import shape
fname = 'bassin_versant_sanaga.shp'
cn_area = fiona.open(fname)
pol = cn_area.next()
geom = shape(pol['geometry'])

lonmin =9 ; lonmax = 15.5;
latmin = 3; latmax =8 ;
lon=np.arange(lonmin, lonmax+.5, .5); 
lat=np.arange(latmin,latmax+.5,0.5)

x0, x1 = lonmin, lonmax
y0, y1 = latmin, lonmax
xx,yy = np.meshgrid(lon,lat)
mask_ = shapely.vectorized.contains(geom, xx, yy)
mask = np.tile(mask_, (720, 1,1))
#np.where(np.in1d(aflon, lon) == 1);
inlon = np.where(np.in1d(aflon, lon) == 1)
#
inlat = np.where(np.in1d(aflat, lat) == 1)
rain = afr[:, inlat[0], :][:, :, inlon[0]]

#rain = ma.masked_array(rain, ~mask)

plt.contourf(lon,lat, rain[1, :, :])

plt.colorbar()
plt.xlabel('Longitude (°E)', fontweight = 'bold')
plt.ylabel('Latitude (°N)', fontweight = 'bold')
# regrouper les données par années
an1=rain[1:720:60]
an2=rain[2:720:60]
an3=rain[3:720:60]
an4=rain[4:720:60]
an5=rain[5:720:60]
an6=rain[6:720:60]
an7=rain[7:720:60]
an8=rain[8:720:60]
an9=rain[9:720:60]
an10=rain[10:720:60]
an11=rain[11:720:60]
an12=rain[12:720:60]
an13=rain[13:720:60]
an14=rain[14:720:60]
an15=rain[15:720:60]
an16=rain[16:720:60]
an17=rain[17:720:60]
an18=rain[18:720:60]
an19=rain[19:720:60]
an20=rain[20:720:60]
an21=rain[21:720:60]
an22=rain[22:720:60]
an23=rain[23:720:60]
an24=rain[24:720:60]
an25=rain[25:720:60]
an26=rain[26:720:60]
an27=rain[27:720:60]
an28=rain[28:720:60]
an29=rain[29:720:60]
an30=rain[30:720:60]
an31=rain[31:720:60]
an32=rain[32:720:60]
an33=rain[33:720:60]
an35=rain[34:720:60]
an36=rain[36:720:60]
an37=rain[37:720:60]
an38=rain[38:720:60]
an39=rain[39:720:60]
an40=rain[40:720:60]
an41=rain[41:720:60]
an42=rain[42:720:60]
an43=rain[43:720:60]
an44=rain[44:720:60]
an45=rain[45:720:60]
an46=rain[46:720:60]
an47=rain[47:720:60]
an48=rain[48:720:60]
an49=rain[49:720:60]
an50=rain[50:720:60]
an51=rain[51:720:60]
an52=rain[52:720:60]
an53=rain[53:720:60]
an54=rain[54:720:60]
an55=rain[55:720:60]
an56=rain[56:720:60]
an57=rain[57:720:60]
an58=rain[58:720:60]
an59=rain[59:720:60]
an60=rain[60:720:60]
import statistics
# Use: statistics.mean(liste)
 
from statistics import mean
np.nanmean(an60)