foundryts.functions.sum

foundryts.functions.sum()

複数の入力time seriesにおいて、タイムスタンプを共有するすべての点の合計を計算する関数を返します。

結果として得られるtime seriesは、すべての入力seriesのすべてのタイムスタンプの合計であり、各タイムスタンプにはそのタイムスタンプに対して入力セット全体で存在する値の合計が含まれます。

• 戻り値: 複数のtime seriesを入力として受け取り、タイムスタンプを共有する入力time series内のすべての点の合計として値を持つすべてのタイムスタンプの合計を含む単一のtime seriesを生成する関数。
• 戻り値の型: (NodeCollection) -> FunctionNode

データフレームスキーマ

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
35
36
37
38
>>> series_1 = F.points(
...     (0, 0.0),
...     (100, 100.0),
...     (140, 140.0),
...     (200, 200.0),
...     name="series-1"
... )
# これは、"series-1" という名前のデータポイントの集合を作成しています。
# 各タプルは (timestamp, value) の形式です。

>>> series_2 = F.points(
...     (100, 200.0),
...     (120, 220.0),
...     (130, 330.0),
...     (150, 350.0),
...     (160, 460.0),
...     name="series-2"
... )
# こちらは、"series-2" という名前のデータポイントの集合を作成しています。

>>> series_1.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000000    0.0
1 1970-01-01 00:00:00.000000100  100.0
2 1970-01-01 00:00:00.000000140  140.0
3 1970-01-01 00:00:00.000000200  200.0
# series_1 を Pandas DataFrame に変換しています。
# 各 timestamp はナノ秒単位で表現されており、value は対応する値です。

>>> series_2.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000100  200.0
1 1970-01-01 00:00:00.000000120  220.0
2 1970-01-01 00:00:00.000000130  330.0
3 1970-01-01 00:00:00.000000150  350.0
4 1970-01-01 00:00:00.000000160  460.0
# series_2 を Pandas DataFrame に変換しています。
# 同様に、timestamp と value が表示されます。

Copied!
1
2
3
4
5
6
7
8
9
10
11
>>> sum_series = F.sum()([series_1, series_2])
>>> sum_series.to_pandas()
                      timestamp  value
0 1970-01-01 00:00:00.000000000    0.0
1 1970-01-01 00:00:00.000000100  300.0
2 1970-01-01 00:00:00.000000120  220.0
3 1970-01-01 00:00:00.000000130  330.0
4 1970-01-01 00:00:00.000000140  140.0
5 1970-01-01 00:00:00.000000150  350.0
6 1970-01-01 00:00:00.000000160  460.0
7 1970-01-01 00:00:00.000000200  200.0

series_1とseries_2の合計を求める例です。sum_series.to_pandas()メソッドを使用して、結果をPandasのデータフレームとして表示しています。