注意：以下翻译的准确性尚未经过验证。这是使用 AIP ↗ 从原始英文文本进行的机器翻译。
FunctionNode或SummarizerNode的集合。
NodeCollection是一个可迭代对象，可以传递给期望多个时间序列的函数，或用于将集合中的每个节点映射到一个函数。
对于原始序列和点集，NodeCollection的数据框包含一个名为series的额外列，表示点所属的序列。series值将是时间序列同步中设置的系列ID或通过foundryts.functions.points()的别名。
确保不要直接将NodeCollection传递给期望单个输入时间序列的函数，因为这将出错。对于在节点的所有元素上应用相同的函数，使用NodeCollection.map()，它将变换后的点或摘要映射到最终数据框中的系列。请参考FoundryTS函数文档以查看函数的输入数量。
Copied!1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19>>> series_1 = F.points((1, 100.0), (2, 200.0), (3, 300.0), name="series-1") # 创建一个名为 series-1 的时间序列，包含三个数据点，每个数据点由一个时间戳和一个值组成。 >>> series_1.to_pandas() # 将 series_1 转换为 Pandas DataFrame 格式，以便更容易地进行数据操作和分析。 timestamp value 0 1970-01-01 00:00:00.000000001 100.0 1 1970-01-01 00:00:00.000000002 200.0 2 1970-01-01 00:00:00.000000003 300.0 >>> series_2 = F.points((1, 200.0), (2, 400.0), (3, 600.0), name="series-2") # 创建另一个名为 series-2 的时间序列，包含不同的值。 >>> series_2.to_pandas() # 同样将 series_2 转换为 Pandas DataFrame 格式。 timestamp value 0 1970-01-01 00:00:00.000000001 200.0 1 1970-01-01 00:00:00.000000002 400.0 2 1970-01-01 00:00:00.000000003 600.0
Copied!1 2 3 4 5 6 7 8 9>>> nc = NodeCollection([series_1, series_2]) >>> nc.to_pandas() series timestamp value 0 series-1 1970-01-01 00:00:00.000000001 100.0 1 series-1 1970-01-01 00:00:00.000000002 200.0 2 series-1 1970-01-01 00:00:00.000000003 300.0 3 series-2 1970-01-01 00:00:00.000000001 200.0 4 series-2 1970-01-01 00:00:00.000000002 400.0 5 series-2 1970-01-01 00:00:00.000000003 600.0
此代码片段展示了如何使用 NodeCollection 类将多个时间序列数据转换为 Pandas DataFrame 格式。NodeCollection 被初始化为包含两个系列 series_1 和 series_2。调用 to_pandas() 方法将这些数据转换为 DataFrame，其中包含三列：series（系列名称）、timestamp（时间戳）、value（数值）。
Copied!1 2 3 4 5 6>>> scatter_plt = F.scatter()(nc) # scatter()函数需要两个输入时间序列 >>> scatter_plt.to_pandas() is_truncated points.first_value points.second_value points.timestamp 0 False 100.0 200.0 1970-01-01 00:00:00.000000001 1 False 200.0 400.0 1970-01-01 00:00:00.000000002 2 False 300.0 600.0 1970-01-01 00:00:00.000000003
此代码创建一个散点图对象scatter_plt，其中scatter()函数需要正好两个输入时间序列。然后将该对象转换为pandas数据框格式进行查看。
Copied!1 2 3 4 5 6 7 8 9 10 11 12>>> scaled_nc = F.scale(10)(nc) # error - scale() works on a single input series >>> # 错误 - scale() 只能作用于单个输入序列 >>> scaled_nc = nc.map(F.scale(10)) # ok - we're mapping each series in the collection to the result of scale() >>> # 正确 - 我们将集合中的每个序列映射到 scale() 的结果 >>> scaled_nc.to_pandas() series timestamp value 0 series-1 1970-01-01 00:00:00.000000001 1000.0 1 series-1 1970-01-01 00:00:00.000000002 2000.0 2 series-1 1970-01-01 00:00:00.000000003 3000.0 3 series-2 1970-01-01 00:00:00.000000001 2000.0 4 series-2 1970-01-01 00:00:00.000000002 4000.0 5 series-2 1970-01-01 00:00:00.000000003 6000.0
返回表示pandas.DataFrame列名的字符串元组，该元组通过将此集合评估为数据框生成。
嵌套对象的键将被展平为一个元组，嵌套键用.连接。
非统一集合将包含集合中每个元素的所有列的并集。
Copied!1 2 3 4 5 6>>> series_1 = F.points((1, 100.0), (2, 200.0), (3, 300.0), name="series-1") >>> series_2 = F.points((1, 200.0), (2, 400.0), (3, 600.0), name="series-2") # 创建两个数据系列：series_1 和 series_2 # series_1 包含点 (1, 100.0), (2, 200.0), (3, 300.0) # series_2 包含点 (1, 200.0), (2, 400.0), (3, 600.0) # 使用 name 参数分别命名为 "series-1" 和 "series-2"
Copied!1 2 3>>> nc = NodeCollection(series_1, series_2) >>> nc.columns() # 注意这里有一个额外的 series 列 ('series', 'timestamp', 'value')
Copied!1 2 3 4>>> dist = F.distribution()(nc) >>> dist.columns() ('delta', 'distribution_values.count', 'distribution_values.end', 'distribution_values.start', 'end', 'end_timestamp', 'start', 'start_timestamp')
这个代码片段展示了如何获取一个分布对象的列名：
delta: 变化量distribution_values.count: 分布值的计数distribution_values.end: 分布值的结束位置distribution_values.start: 分布值的起始位置end: 结束位置end_timestamp: 结束时间戳start: 起始位置start_timestamp: 起始时间戳这些列名可能用于分析数值的分布及其时间属性。
Copied!1 2 3 4 5 6 7 8 9>>> mixed_nc = NodeCollection([F.distribution()(series_1), F.statistics()(series_2)]) # NodeCollection 包含两个节点：一个是关于 series_1 的分布信息，另一个是关于 series_2 的统计信息。 ('series', 'delta', 'distribution_values.count', 'distribution_values.end', 'distribution_values.start', 'end', 'end_timestamp', 'start', 'start_timestamp', 'count', 'earliest_point.timestamp', 'earliest_point.value', 'largest_point.timestamp', 'largest_point.value', 'latest_point.timestamp', 'latest_point.value', 'mean', 'smallest_point.timestamp', 'smallest_point.value') # 输出的元组中包含了一些属性名称，这些属性可能来自于分布和统计分析的结果。 # 例如：distribution_values.count 表示分布值的数量，latest_point.value 表示最新点的值，mean 表示平均值等。
将集合中的每个时间序列映射到输入函数的输出。
这对于对时间序列集合应用相同的一组查询非常有用。
func 的相应输出。Copied!1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18>>> series_1 = F.points((1, 100.0), (2, 200.0), (3, 300.0), name="series-1") # 创建一个名为 "series-1" 的数据点序列，包含三个数据点，时间戳分别是1, 2, 3，对应值是100.0, 200.0, 300.0 >>> series_1.to_pandas() # 将 "series-1" 转换为 Pandas 数据框格式，显示时间戳和对应的值 timestamp value 0 1970-01-01 00:00:00.000000001 100.0 1 1970-01-01 00:00:00.000000002 200.0 2 1970-01-01 00:00:00.000000003 300.0 >>> series_2 = F.points((1, 200.0), (2, 400.0), (3, 600.0), name="series-2") # 创建另一个名为 "series-2" 的数据点序列，时间戳和 "series-1" 相同，但对应值为200.0, 400.0, 600.0 >>> series_2.to_pandas() # 将 "series-2" 转换为 Pandas 数据框格式，显示时间戳和对应的值 timestamp value 0 1970-01-01 00:00:00.000000001 200.0 1 1970-01-01 00:00:00.000000002 400.0 2 1970-01-01 00:00:00.000000003 600.0 >>> nc = NodeCollection([series_1, series_2]) # 创建一个 NodeCollection 对象，包含 "series-1" 和 "series-2" 两个数据点序列
Copied!1 2 3 4 5 6 7 8 9>>> scaled_nc = nc.map(F.scale(10)) # 将nc中的数值放大10倍 >>> scaled_nc.to_pandas() series timestamp value 0 series-1 1970-01-01 00:00:00.000000001 1000.0 1 series-1 1970-01-01 00:00:00.000000002 2000.0 2 series-1 1970-01-01 00:00:00.000000003 3000.0 3 series-2 1970-01-01 00:00:00.000000001 2000.0 4 series-2 1970-01-01 00:00:00.000000002 4000.0 5 series-2 1970-01-01 00:00:00.000000003 6000.0
这段代码将 nc 数据集中的数值通过 F.scale(10) 函数放大10倍，然后将结果转换为Pandas DataFrame格式进行展示。
Copied!1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23>>> mapped_summary_nc = nc.map(F.distribution()) # 将分布映射应用到数据集 `nc` 中。F.distribution() 是一个函数，可能用于计算某种分布统计数据。 >>> mapped_summary_nc.to_pandas() # 将映射后的结果转换为 Pandas DataFrame 格式，以便更容易查看和分析。 series delta distribution_values.count distribution_values.end distribution_values.start end end_timestamp start start_timestamp 0 series-1 20.0 1 120.0 100.0 300.0 2262-01-01 100.0 1677-09-21 00:12:43.145225216 1 series-1 20.0 1 200.0 180.0 300.0 2262-01-01 100.0 1677-09-21 00:12:43.145225216 2 series-1 20.0 1 300.0 280.0 300.0 2262-01-01 100.0 1677-09-21 00:12:43.145225216 3 series-2 40.0 1 240.0 200.0 600.0 2262-01-01 200.0 1677-09-21 00:12:43.145225216 4 series-2 40.0 1 400.0 360.0 600.0 2262-01-01 200.0 1677-09-21 00:12:43.145225216 5 series-2 40.0 1 600.0 560.0 600.0 2262-01-01 200.0 1677-09-21 00:12:43.145225216 # 表格中包含了每个系列（series）的数据分布信息： # - `series`: 系列名称。 # - `delta`: 每个系列的增量。 # - `distribution_values.count`: 分布值的计数。 # - `distribution_values.end`: 分布的结束值。 # - `distribution_values.start`: 分布的起始值。 # - `end`: 分布的结束点。 # - `end_timestamp`: 结束时间戳。 # - `start`: 分布的起始点。 # - `start_timestamp`: 起始时间戳。
利用时间间隔为集合中的所有时间序列创建一个时间范围。
每个时间间隔用于在输入时间序列上创建foundryts.functions.time_range()，
可用于进一步的变换和分析。最好与手动创建Interval或通过将foundryts.functions.time_range()的结果转换为
Interval结合使用。
结果数据框增加了interval.start和interval.end列。
func的相应输出。Copied!1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22>>> series_1 = F.points((1, 100.0), (2, 200.0), (3, 300.0), name="series-1") # 创建一个数据系列 series_1，包含三个时间点和值，并命名为 "series-1" >>> series_1.to_pandas() # 将 series_1 转换为 Pandas DataFrame 格式 timestamp value 0 1970-01-01 00:00:00.000000001 100.0 1 1970-01-01 00:00:00.000000002 200.0 2 1970-01-01 00:00:00.000000003 300.0 >>> series_2 = F.points((1, 200.0), (2, 400.0), (3, 600.0), name="series-2") # 创建另一个数据系列 series_2，包含三个时间点和值，并命名为 "series-2" >>> series_2.to_pandas() # 将 series_2 转换为 Pandas DataFrame 格式 timestamp value 0 1970-01-01 00:00:00.000000001 200.0 1 1970-01-01 00:00:00.000000002 400.0 2 1970-01-01 00:00:00.000000003 600.0 >>> nc = NodeCollection([series_1, series_2]) # 创建一个 NodeCollection 对象 nc，包含两个数据系列 series_1 和 series_2 >>> from foundryts.core.interval import Interval # 从 foundryts.core.interval 导入 Interval 类 >>> intervals = [Interval(1, 2), Interval(2, 3), Interval(3, 4), Intervals(1,3)] # 创建一个包含不同时间间隔的列表 intervals，其中最后一个 'Intervals' 拼写错误，应为 'Interval'
Copied!1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19>>> nc = nc.map_intervals(intervals, interval_name="interval") # 使用 map_intervals 方法映射区间，并命名为 "interval" >>> nc.to_pandas() # 将结果转换为 Pandas 数据框 series interval interval.start interval.end timestamp value # 系列名称 区间名 区间开始 区间结束 时间戳 值 0 series-1 1 2 1970-01-01 00:00:00.000000001 100.0 1 series-1 2 3 1970-01-01 00:00:00.000000002 200.0 2 series-1 3 4 1970-01-01 00:00:00.000000003 300.0 3 series-1 1 3 1970-01-01 00:00:00.000000001 100.0 4 series-1 1 3 1970-01-01 00:00:00.000000002 200.0 5 series-2 1 2 1970-01-01 00:00:00.000000001 200.0 6 series-2 2 3 1970-01-01 00:00:00.000000002 400.0 7 series-2 3 4 1970-01-01 00:00:00.000000003 600.0 8 series-2 1 3 1970-01-01 00:00:00.000000001 200.0 9 series-2 1 3 1970-01-01 00:00:00.000000002 400.0 # 这里的输出是一个包含时间序列、区间、开始和结束时间戳以及对应值的数据框
Copied!1 2 3 4 5 6 7 8 9 10 11 12 13>>> scaled_nc = nc.map(F.scale(1000)) >>> scaled_nc.to_pandas() # 在每个时间区间上应用 scale() 函数 series interval interval.start interval.end timestamp value 0 series-1 1 2 1970-01-01 00:00:00.000000001 100000.0 1 series-1 2 3 1970-01-01 00:00:00.000000002 200000.0 2 series-1 3 4 1970-01-01 00:00:00.000000003 300000.0 3 series-1 1 3 1970-01-01 00:00:00.000000001 100000.0 4 series-1 1 3 1970-01-01 00:00:00.000000002 200000.0 5 series-2 1 2 1970-01-01 00:00:00.000000001 200000.0 6 series-2 2 3 1970-01-01 00:00:00.000000002 400000.0 7 series-2 3 4 1970-01-01 00:00:00.000000003 600000.0 8 series-2 1 3 1970-01-01 00:00:00.000000001 200000.0 9 series-2 1 3 1970-01-01 00:00:00.000000002 400000.0
这个代码片段对 nc 对象的每个时间区间应用了一个缩放函数 scale(1000)，然后将结果转换为一个 pandas 数据帧进行展示。
评估集合中的所有时间序列，并将结果连接到pyspark.sql.DataFrame。
PySpark DataFrame支持分布式数据处理和并行化变换。当处理具有大量行的数据框时，它们非常有用，例如加载原始系列中的所有点或FunctionNode的结果，或一起评估多个SummarizerNode或FunctionNode的结果。
一个额外的series列将使用系列ID或foundryts.functions.points()别名标记结果所属的系列。
为大型集合设置适当的numPartitions值。
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>>> series_1 = F.points((1, 100.0), (2, 200.0), (3, 300.0), name="series-1") # 创建一个名为 series-1 的数据序列，包含三个点，每个点有一个时间戳和一个值 >>> series_1.to_pandas() # 将 series-1 转换为 Pandas DataFrame 格式 timestamp value 0 1970-01-01 00:00:00.000000001 100.0 1 1970-01-01 00:00:00.000000002 200.0 2 1970-01-01 00:00:00.000000003 300.0 >>> series_2 = F.points((1, 200.0), (2, 400.0), (3, 600.0), name="series-2") # 创建一个名为 series-2 的数据序列，包含三个点，每个点有一个时间戳和一个值 >>> series_2.to_pandas() # 将 series-2 转换为 Pandas DataFrame 格式 timestamp value 0 1970-01-01 00:00:00.000000001 200.0 1 1970-01-01 00:00:00.000000002 400.0 2 1970-01-01 00:00:00.000000003 600.0 >>> nc = NodeCollection(series_1, series_2) # 创建一个 NodeCollection 对象，包含 series-1 和 series-2 两个数据序列 >>> nc.to_dataframe() # 将 NodeCollection 转换为 DataFrame 格式 +---------+-----------------------------+-----+ | series | timestamp |value| +---------+-----------------------------+-----+ |series-1 |1970-01-01 00:00:00.000000001|100.0| |series-1 |1970-01-01 00:00:00.000000002|200.0| |series-1 |1970-01-01 00:00:00.000000003|300.0| |series-2 |1970-01-01 00:00:00.000000001|200.0| |series-2 |1970-01-01 00:00:00.000000002|400.0| |series-2 |1970-01-01 00:00:00.000000003|600.0| +---------+-----------------------------+-----+
评估此集合中的时间序列查询，并将结果连接到pandas.DataFrame。
有关dataframe的形状详细信息，请参阅FunctionNode.to_pandas()和SummarizerNode.to_pandas()。
一个额外的series列将使用系列ID或foundryts.functions.points()别名注明结果属于哪个系列。
集合中每个时间序列查询的结果都存储并连接到最终的dataframe，因此结果必须适合内存。
并行执行将增加内存使用和资源消耗。使用process模式可能引入开销。过度的并行可能会降低性能。
Copied!1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18>>> series_1 = F.points((1, 100.0), (2, 200.0), (3, 300.0), name="series-1") >>> series_1.to_pandas() timestamp value 0 1970-01-01 00:00:00.000000001 100.0 1 1970-01-01 00:00:00.000000002 200.0 2 1970-01-01 00:00:00.000000003 300.0 # 创建一个时间序列 series_1，并将其转换为 pandas DataFrame 格式 >>> series_2 = F.points((1, 200.0), (2, 400.0), (3, 600.0), name="series-2") >>> series_2.to_pandas() timestamp value 0 1970-01-01 00:00:00.000000001 200.0 1 1970-01-01 00:00:00.000000002 400.0 2 1970-01-01 00:00:00.000000003 600.0 # 创建另一个时间序列 series_2，并将其转换为 pandas DataFrame 格式 >>> nc = NodeCollection(series_1, series_2) # 将两个时间序列 series_1 和 series_2 收集到一个 NodeCollection 中
Copied!1 2 3 4 5 6 7 8>>> nc.to_pandas() series timestamp value 0 series-1 1970-01-01 00:00:00.000000001 100.0 1 series-1 1970-01-01 00:00:00.000000002 200.0 2 series-1 1970-01-01 00:00:00.000000003 300.0 3 series-2 1970-01-01 00:00:00.000000001 200.0 4 series-2 1970-01-01 00:00:00.000000002 400.0 5 series-2 1970-01-01 00:00:00.000000003 600.0
该代码段将数据转换为Pandas DataFrame格式。数据包括三个列：series表示数据系列，timestamp表示时间戳，value表示数值。这个数据表格可以用于进一步的数据分析和处理。
自版本1.0.0起已弃用。
通过评估此集合中的节点，返回一个 (key, object) 的RDD。如果此NodeCollection中的节点是通过分组或窗口操作生成的，相关键将包含给定的元数据键或区间。否则，它将是节点的系列标识符。
pyspark.RDD返回pandas.DataFrame列类型的元组，该列将通过将集合评估为数据帧而生成。
非统一集合将包含集合中每个元素所有类型的并集。
Copied!1 2 3>>> nc = NodeCollection(series_1, series_2) >>> nc.types() (<class 'str'>, <class 'int'>, <class 'float'>)
这个代码段展示了创建一个NodeCollection对象，并调用其types()方法来获取series_1和series_2中节点的数据类型。返回值是一个元组，包含这些节点的类型：字符串、整数和浮点数。
Copied!1 2 3 4 5 6 7>>> dist = F.distribution()(nc) >>> dist.types() (<class 'float'>, <class 'int'>, <class 'float'>, <class 'float'>, <class 'float'>, <class 'pandas._libs.tslibs.timestamps.Timestamp'>, <class 'float'>, <class 'pandas._libs.tslibs.timestamps.Timestamp'>) # 该代码首先定义了一个分布对象 `dist`，然后调用 `types()` 方法以获取分布中各字段的类型。 # 返回的类型包括浮点数 (float)、整数 (int) 和时间戳 (Timestamp)。
Copied!1 2 3 4 5 6 7 8 9>>> mixed_nc = NodeCollection([F.distribution()(series_1), F.statistics()(series_2)]) >>> print(mixed_nc.types()) (<class 'str'>, <class 'float'>, <class 'int'>, <class 'float'>, <class 'float'>, <class 'float'>, <class 'pandas._libs.tslibs.timestamps.Timestamp'>, <class 'float'>, <class 'pandas._libs.tslibs.timestamps.Timestamp'>, <class 'int'>, <class 'pandas._libs.tslibs.timestamps.Timestamp'>, <class 'float'>, <class 'pandas._libs.tslibs.timestamps.Timestamp'>, <class 'float'>, <class 'pandas._libs.tslibs.timestamps.Timestamp'>, <class 'float'>, <class 'float'>, <class 'pandas._libs.tslibs.timestamps.Timestamp'>, <class 'float'>)
这个代码片段创建了一个 NodeCollection 对象，包含了两个节点，这两个节点分别是通过 F.distribution() 和 F.statistics() 函数处理 series_1 和 series_2 得到的。然后，代码打印出 mixed_nc 中元素的类型。
NodeCollection：假设是一个自定义的类，用于存储和操作一组节点。F.distribution() 和 F.statistics()：假设是数据处理函数，分别对 series_1 和 series_2 进行分布和统计操作。mixed_nc.types() 返回一个元组，包含了 mixed_nc 中各个元素的类型。mixed_nc 包含多种数据类型，如字符串（str）、浮点数（float）、整数（int）、以及时间戳（pandas._libs.tslibs.timestamps.Timestamp）。该输出帮助开发人员理解数据集合中不同元素的类型分布。