foundryts.functions.mean

foundryts.functions.mean()

返回一个函数，该函数计算共享时间戳的多个输入时间序列中所有点的均值。

生成的时间序列是所有输入时间序列所有时间戳的并集，其中每个时间戳包含该时间戳在输入集中存在的值的均值。

• 返回: 一个函数，该函数接受多个时间序列作为输入，并生成一个单一时间序列，包含所有时间戳的并集，且这些时间戳的值为共享时间戳的输入时间序列中所有点的均值。
• 返回类型: (NodeCollection) -> 函数节点

数据框架架构

示例

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
>>> series_1 = F.points(
...     (0, 0.0),                # 定义第一个时间序列的点 (timestamp, value)
...     (100, 100.0),
...     (140, 140.0),
...     (200, 200.0),
...     name="series-1"          # 设置序列名称为 "series-1"
... )
>>> series_2 = F.points(
...     (100, 200.0),            # 定义第二个时间序列的点 (timestamp, value)
...     (120, 220.0),
...     (130, 330.0),
...     (150, 350.0),
...     (160, 460.0),
...     name="series-2"          # 设置序列名称为 "series-2"
... )
>>> 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
# 将 series_1 转换为 Pandas DataFrame 格式，显示时间戳和对应的值

>>> 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
# 将 series_2 转换为 Pandas DataFrame 格式，显示时间戳和对应的值

Copied!
1
2
3
4
5
6
7
8
9
10
11
12
13
>>> mean_series = F.mean()([series_1, series_2, series_2])
# 计算多个时间序列的平均值。这里的 F.mean() 函数对 series_1, series_2 和 series_2（注意 series_2 使用了两次）进行平均。
>>> mean_series.to_pandas()
# 将结果转换为 pandas 数据框格式。
                      timestamp       value
0 1970-01-01 00:00:00.000000000    0.000000
1 1970-01-01 00:00:00.000000100  166.666667
2 1970-01-01 00:00:00.000000120  220.000000
3 1970-01-01 00:00:00.000000130  330.000000
4 1970-01-01 00:00:00.000000140  140.000000
5 1970-01-01 00:00:00.000000150  350.000000
6 1970-01-01 00:00:00.000000160  460.000000
7 1970-01-01 00:00:00.000000200  200.000000