foundryts.functions.dsl

foundryts.functions.dsl(program, return_type=None, labels=None, before='nearest', internal='default', after='nearest')

1つ以上の入力時系列に DSL の式を適用して、新しい時系列を生成する関数を返します。

式は、入力時系列の各タイムスタンプに適用されます。入力時系列のいずれかに値がないタイムスタンプには、指定された補間戦略が使用されます。利用可能な戦略の一覧については、 interpolate() を参照してください。

DSL の式は、単項、二項、または n 項のオペランドに適用できます。DSL のすべての演算は合成可能なため、単純な式を組み合わせて複雑な式を作成できます。

↗ 時系列 DSL 構文の完全なリファレンスはこちらを参照してください。

パラメーター：
- program (str) – ↗ 時系列 DSL リファレンスドキュメントの構文を使用して、1つ以上の入力時系列に適用する式です。
- return_type (Type , 任意) – （非推奨）変換された系列の値に使用するデータ型です。
- labels (List [str ] , 任意) – 式内で各入力時系列を参照するための、順序付きのラベルのリストです（デフォルトは [‘a’, ‘b’, …, ‘aa’, ‘ab’, …]）。
- before (Union [str , List [str ] ] , 任意) – 系列の最初の点より前にある点を補間する戦略です。系列ごとの戦略をリストで指定できます。 interpolate() の有効な戦略を使用してください（デフォルトは NEAREST）。
- internal (Union [str , List [str ] ] , 任意) – 既存の点の間にある点を補間する戦略です。系列ごとの戦略をリストで指定できます。 interpolate() の有効な戦略を使用してください（デフォルトは数値時系列では LINEAR、列挙型時系列では PREVIOUS）。
- after (Union [str , List [str ] ] , 任意) – 系列の最初の点より後にある点を補間する戦略です。系列ごとの戦略をリストで指定できます。 interpolate() の有効な戦略を使用してください（デフォルトは NEAREST）。
戻り値： 1つ以上の時系列を受け取り、入力時系列に式を適用して、更新された単一の時系列を返す関数です。
戻り値の型： (FunctionNode) -> FunctionNode

データフレームのスキーマ

列名	データ型	説明
timestamp	pandas.Timestamp	点のタイムスタンプ
value	Union[float, str]	点の値

例

Copied!1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
>>> series_1 = F.points(
...     (10, 6.0),
...     (20, 11.0),
...     (30, 24.0),
...     (40, float("inf")),
...     (50, 45.0),
...     (60, 96.0),
...     name="series-1",
... )
>>> series_2 = F.points(
...     (10, 8.0),
...     (20, 12.0),
...     (30, 24.0),
...     (40, 48.0),
...     (50, float("NaN")),
...     (60, 196.0),
...     name="series-2",
... )
>>> series_1.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000010    6.0
1 1970-01-01 00:00:00.000000020   11.0
2 1970-01-01 00:00:00.000000030   24.0
3 1970-01-01 00:00:00.000000040    inf
4 1970-01-01 00:00:00.000000050   45.0
5 1970-01-01 00:00:00.000000060   96.0
>>> series_2.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000010    8.0
1 1970-01-01 00:00:00.000000020   12.0
2 1970-01-01 00:00:00.000000030   24.0
3 1970-01-01 00:00:00.000000040   48.0
4 1970-01-01 00:00:00.000000050    NaN
5 1970-01-01 00:00:00.000000060  196.0

Copied!1
2
3
4
5
6
7
8
9
10
>>> sum_formula = "a+b"
>>> sum_series = F.dsl(sum_formula)([series_1, series_2])
>>> sum_series.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000010   14.0
1 1970-01-01 00:00:00.000000020   23.0
2 1970-01-01 00:00:00.000000030   48.0
3 1970-01-01 00:00:00.000000040    inf
4 1970-01-01 00:00:00.000000050    NaN
5 1970-01-01 00:00:00.000000060  292.0

Copied!1
2
3
4
5
6
7
>>> even_only_formula = "a % 2 == 0 ? a : skip"
>>> even_series_1 = F.dsl(even_only_formula)(series_1)
>>> even_series_1.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000010    6.0
1 1970-01-01 00:00:00.000000030   24.0
2 1970-01-01 00:00:00.000000060   96.0

Copied!1
2
3
4
5
6
7
8
9
10
>>> argmin_formula = "argmin(a,b)"
>>> argmin_series = F.dsl(argmin_formula)([series_1, series_2])
>>> argmin_series.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000010    0.0
1 1970-01-01 00:00:00.000000020    0.0
2 1970-01-01 00:00:00.000000030    0.0
3 1970-01-01 00:00:00.000000040    1.0 # inf は48より大きいです
4 1970-01-01 00:00:00.000000050    0.0
5 1970-01-01 00:00:00.000000060    0.0

Copied!1
2
3
4
5
6
7
8
9
10
>>> pow_formula = "pow(a, 2)"
>>> pow2_series = F.dsl(pow_formula)([series_1])
>>> pow2_series.to_pandas()
                      timestamp   value
0 1970-01-01 00:00:00.000000010    36.0
1 1970-01-01 00:00:00.000000020   121.0
2 1970-01-01 00:00:00.000000030   576.0
3 1970-01-01 00:00:00.000000040     inf
4 1970-01-01 00:00:00.000000050  2025.0
5 1970-01-01 00:00:00.000000060  9216.0

Copied!1
2
3
4
5
6
7
8
9
10
>>> non_nan_formula = "isnan(b) ? a : b"
>>> non_nan_series = F.dsl(non_nan_formula)([series_1, series_2])
>>> non_nan_series.to_pandas()
                    timestamp  value
0 1970-01-01 00:00:00.000000010    8.0
1 1970-01-01 00:00:00.000000020   12.0
2 1970-01-01 00:00:00.000000030   24.0
3 1970-01-01 00:00:00.000000040   48.0
4 1970-01-01 00:00:00.000000050   45.0 # series-1 の値のみ
5 1970-01-01 00:00:00.000000060  196.0

Copied!1
2
3
4
5
6
7
8
9
10
>>> non_inf_formula = "isfinite(a) ? a : b"
>>> non_inf_series = F.dsl(non_inf_formula)([series_1, series_2])
>>> non_inf_series.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000010    6.0
1 1970-01-01 00:00:00.000000020   11.0
2 1970-01-01 00:00:00.000000030   24.0
3 1970-01-01 00:00:00.000000040   48.0 # series-2 の値のみ
4 1970-01-01 00:00:00.000000050   45.0
5 1970-01-01 00:00:00.000000060   96.0

Copied!1
2
3
4
5
6
7
8
9
10
11
12
13
14
>>> assignment_formula = '''
... var doubled_shifted = a * 2; // all values are doubled
... doubled_shifted += 10; // add 10 to all doubled values
... doubled_shifted - b // difference between double_shifted and b
... '''
>>> var_assigned_series = F.dsl(assignment_formula)([series_1, series_2])
>>> var_assigned_series.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000010   14.0
1 1970-01-01 00:00:00.000000020   20.0
2 1970-01-01 00:00:00.000000030   34.0
3 1970-01-01 00:00:00.000000040    inf
4 1970-01-01 00:00:00.000000050    NaN
5 1970-01-01 00:00:00.000000060    6.0

←

PREVIOUSfunctions.distribution

NEXTfunctions.exponential_regression

→