Added automizing for datasets

scraping/scrapingMain.py

@@ -144,5 +144,5 @@ if __name__ == "__main__":
     url = 'https://www.citilink.ru/catalog/televizory/?ref=mainpage'
     tvs = scrape_all_pages(url, max_pages=8)
     ignore_fields = ["Работает с"]
-    save_to_csv(tvs, 'tv.csv', ignore_fields)
+    save_to_csv(tvs, 'datasets/tv.csv', ignore_fields)
     print(f"Данные сохранены в файл 'tv.csv'.")

scraping/scrappingLaptop.py

@@ -119,5 +119,5 @@ if __name__ == "__main__":
     url = 'https://www.citilink.ru/catalog/noutbuki/?ref=mainpage'
     laptops = scrape_all_pages(url, max_pages=20)
     ignore_fields = ["Технология Intel", "Комплектация", "Клавиатура"]
-    save_to_csv(laptops, 'laptops.csv', ignore_fields)
+    save_to_csv(laptops, 'datasets/laptops.csv', ignore_fields)
     print(f"Данные сохранены в файл 'laptops.csv'.")

services/ml/scripts/modelBuilders/modelBuilderLaptop.py

@@ -1,3 +1,5 @@
+import subprocess
+
 import pandas as pd
 from sklearn.model_selection import train_test_split, GridSearchCV
 from sklearn.ensemble import RandomForestRegressor
@@ -9,8 +11,24 @@ import numpy as np
 import json
 import os
 
-# Шаг 1: Загрузка данных
-df = pd.read_csv('datasets/laptops.csv')
+# Шаг 1: Поиск датасета
+# Путь к датасету
+dataset_path = 'datasets/laptops.csv'
+# Абсолютный путь к скрипту для создания датасета
+scraping_script_path = os.path.join(os.getcwd(), 'scraping', 'scrappingLaptop.py')
+
+# Проверяем, существует ли файл
+if not os.path.exists(dataset_path):
+    print(f"Файл {dataset_path} не найден. Запускаем скрипт для его создания...")
+    if os.path.exists(scraping_script_path):
+        # Запускаем скрипт для создания датасета
+        subprocess.run(['python', scraping_script_path], check=True)
+    else:
+        print(f"Скрипт {scraping_script_path} не найден.")
+        raise FileNotFoundError(f"Не удалось найти скрипт для создания датасета: {scraping_script_path}")
+
+# Теперь, когда файл есть, можно продолжить выполнение скрипта
+df = pd.read_csv(dataset_path)
 
 # Шаг 2: Проверка и очистка имен столбцов
 df.columns = df.columns.str.strip().str.lower()

services/ml/scripts/modelBuilders/modelBuilderTV.py

@@ -1,3 +1,5 @@
+import subprocess
+
 import pandas as pd
 from sklearn.model_selection import train_test_split, GridSearchCV
 from sklearn.ensemble import RandomForestRegressor
@@ -9,8 +11,23 @@ import numpy as np
 import json
 import os
 
-# Загрузка данных
-df = pd.read_csv('datasets/tv.csv')
+# Путь к датасету
+dataset_path = 'datasets/tvs.csv'
+# Абсолютный путь к скрипту для создания датасета
+scraping_script_path = os.path.join(os.getcwd(), 'scraping', 'scrapingMain.py')
+
+# Проверяем, существует ли файл
+if not os.path.exists(dataset_path):
+    print(f"Файл {dataset_path} не найден. Запускаем скрипт для его создания...")
+    if os.path.exists(scraping_script_path):
+        # Запускаем скрипт для создания датасета
+        subprocess.run(['python', scraping_script_path], check=True)
+    else:
+        print(f"Скрипт {scraping_script_path} не найден.")
+        raise FileNotFoundError(f"Не удалось найти скрипт для создания датасета: {scraping_script_path}")
+
+# Теперь, когда файл есть, можно продолжить выполнение скрипта
+df = pd.read_csv(dataset_path)
 
 # Проверка и очистка данных
 required_columns = ['display', 'tuners', 'features', 'os', 'power_of_volume', 'color', 'screen_size', 'price']