pyspc.metadata.ouahs.table.Table
- class pyspc.metadata.ouahs.table.Table(filename=None)[source]
Bases :
objectClasse permettant la manipulation du fichier résultat de OUAHS.
- filename
Nom du fichier csv OTAMIN v2018 (Calage)
- Type:
str
- __init__(filename=None)[source]
Initialise l’instance de la classe Table (Rdata) de OUAHS.
- Paramètres:
filename (str) – Nom du fichier Rdata de OUAHS
Methods
__init__([filename])Initialise l'instance de la classe Table (Rdata) de OUAHS.
readr()Lire un fichier Rdata de OUAHS.
write([data])Ecrire un fichier Rdata de OUAHS.
- readr()[source]
Lire un fichier Rdata de OUAHS.
- Renvoie:
samples (pnd.DataFrame) – DataFrame des échantillons (fichiers sources, grandeurs)
dists (list) – Distributions
data (pnd.DataFrame) – DataFrame des données
Notes
La colonne “Echantillon” de
datapeut être remplie parsamples.La colonne “Distribution” de
datapeut être remplie pardists. Voir l’avertissement ci-dessous.
Avertissement
La correspondance de la colonne “Distribution” avec la liste
distsn’est pas garantie. Dans la version 2.9, rpy2 donnait le nom de la distribution. Dans la version 3.6, il s’agirait, sans véritable certitude, de l’indice dans la listedists, avec un tri par ordre alphabétique.Exemples
>>> from pyspc.metadata.ouahs import Table >>> f = 'data/metadata/ouahs/Backup_Adjustement.RData' >>> d = Table(filename=f) >>> print(d) ************************************* ***** OTAMIN 2018 - Table *********** ************************************* * NOM FICHIER = data/metadata/ouahs/Backup_Adjustement.RData *************************************
>>> samples, dists, data = d.readr() >>> samples Files_path Files Generic_names Varname 1 ./in/K0100020_QJ-X_seasons-ouahs.csv K0100020_QJ-X_seasons-ouahs.csv S_1 QJ-X
>>> dists ['GEV', 'Gumbel']
>>> data Echantillon Distribution T q IC.low IC.high 1 1 2 1.1 0.00000 0.00000 13.17144 2 1 2 1.2 18.24782 3.63748 31.94433 3 1 2 1.3 32.00772 17.59881 45.41755 4 1 2 1.4 42.81460 28.50686 55.91469 5 1 2 1.5 51.82882 36.91043 64.96064 .. ... ... ... ... ... ... 68 1 1 600.0 885.39099 435.76069 1629.19587 69 1 1 700.0 927.62575 445.55646 1738.30187 70 1 1 800.0 965.60817 455.53757 1842.88087 71 1 1 900.0 1000.22639 463.43530 1943.78240 72 1 1 1000.0 1032.10735 470.55448 2043.41567
[72 rows x 6 columns]