personal code guide

hyy.py导航

---

• read_din(ids,timea=90000000)

• 读取0.92 oracle中的最新9000000s din数据

• read_din2(ids,timea,line=602000)

• 读取0.92 oracle中指定天的数据

• charu(result,value,value2,df)

• 将df数据分区结果（value）根据起始结束时间插入回df中

• single_insert(result,df,value,value2,start=0)

• 时间久了暂时忘了

• fenqu(df,name,why,num,num2=0):

• 对模拟量数据进行分区,name为指定分区列，why对应1,2,3,4，
  • 1为找出值小于等于num的连续区间
  • 2为找出值大于等于num的连续区间
  • 3为找出值不等于num的连续区间
  • 4为找出值小于num大于num2的连续区间

• add_v(result,df,n,start=1,v=1,ns='value')

• 依照分区结果result中的起始时间或结束时间，将df中ns列中对应时间的数据添加到result中，默认新增列名为value

• change_time(df,time)

• 将df中time列的YYYY-MM-DD hh:mm:ss格式date数据转换为毫秒级unix时间戳

• combine(df1,name1,df2,name2,time='time'):

• 根据df1，df2中的time列对数据进行合并，若value列名相同，则name1和name2对应df1 df2中value列的新名称

• fix_data(df45,cname='v')

• 对din开关量缺失值进行修复，cname为开关量值所在列名

• create_data(df,t1,t2)

• 依据dataframe中的零散开关量生成din格式数据
• 具体原理不记得了

• good_data(temp_df)

• 填充din压缩时间，df仅为两列一列时间一列为值，顺序为'time','value'

• es_post(df,fid,value,index1='data1',type1='float')

• 向es索引中新增数据,df为数据来源
• fid为特征值存储id
• value：df中所需上传数据的列名
• index1: 数据上传的索引，若索引不存在则会自动新建索引，mapping包含id，time，value
• type1：暂时没用

• es_add(id1,type1,index='data1')

• 在已有索引中新增字段，字段名为id1，type为value

• read_es(id1,time1,index='data1',line=43000)

• 在es索引中根据字段名和时间范围来读取数据，时间范围为time1~(time1-line)

• read_es2(index,name,line=86400)

• 根据es索引名和测点id读取最新一天的数据

• delete_es(id1,time1,index1='data',line=10000)

• 根据时间删除es索引中的数据 time~（time-line*1000）

• influxdb相关

• post_db(df,table='feature_record')
• read_db(id1,time1,table='ain_din',line=86000)

• din(df2,df11,t1='排水泵启动')

• 将din数据写入df中，需优先fix_data

• updown(df,why)

• 求水位不下降的区间，why=1
• 可对异常区间断点进行合并
• 代码逻辑比较混乱，完全不知道怎么写出来的，最好不要碰