pyspc.model.mohys.unit_hydrograph

Modélisations hydrologiques - MOHYS (SPC LACI) - Hydrogrammes unitaires

Module Attributes

UH_DICT

Dictionnaire des fonctions de construction des hydrogrammes unitaires

Functions

`FBN`(index[, loc, scale, alpha, kappa])	Hydrogramme unitaire selon Berthet (2010).
`FEL`(index[, loc, scale])	Hydrogramme unitaire selon Le Moine - ELLIPTIQUE.
`FGT`(index[, loc, scale, alpha])	Hydrogramme unitaire selon TANGARA (2006).
`FPA`(index[, loc, scale])	Hydrogramme unitaire selon Le Moine - PARABOLIQUE.
`FPU`(index[, loc, scale, alpha])	Hydrogramme unitaire selon Le Moine - PUISSANCE.
`FSI`(index[, loc, scale])	Hydrogramme unitaire selon Le Moine - SINUSOIIDAL.
`LBI`(index[, n, p, loc])	Hydrogramme unitaire par loi statistique BINOMIALE.
`LBN`(index[, n, p, loc])	Hydrogramme unitaire par loi statistique BINOMIALE NEGATIVE.
`LGA`(index[, alpha, loc, scale])	Hydrogramme unitaire par loi statistique GAMMA.
`LGD`(index[, alpha, loc, scale])	Hydrogramme unitaire par loi statistique DOUBLE GAMMA.
`LLD`(index[, alpha, loc])	Hydrogramme unitaire par loi statistique LAPLACE DISCRETE.
`LNG`(index[, loc, scale])	Hydrogramme unitaire par loi statistique NORMALE GAUSS.
`LSK`(index[, mu1, mu2, loc])	Hydrogramme unitaire par loi statistique SKELLAM.
`LWE`(index[, c, loc, scale])	Hydrogramme unitaire par loi statistique WEIBULL.
`RE1`(index[, loc, scale])	Hydrogramme unitaire de forme géométrique RECTANGLE.
`RE2`(index[, loc1, scale1, loc2, scale2])	Hydrogramme unitaire de forme géométrique DOUBLE RECTANGLE.
`RT1`(index[, loc1, scale1, mode2, loc2, scale2])	Hydrogramme unitaire de forme géométrique RECTANGLE + TRIANGLE.
`TG1`(index[, mode, loc, scale])	Hydrogramme unitaire de forme géométrique TRIANGLE.
`TG2`(index[, mode1, loc1, scale1, mode2, ...])	Hydrogramme unitaire de forme géométrique DOUBLE TRIANGLE.
`TR1`(index[, mode1, loc1, scale1, loc2, scale2])	Hydrogramme unitaire de forme géométrique TRIANGLE + RECTANGLE.
`build`([start, end, params, norm])	Construire un hydrogramme unitaire.
`plot`(df[, subplots, filename])	Tracer un hydrogramme unitaire.

pyspc.model.mohys.unit_hydrograph.FBN(index, loc=0, scale=1, alpha=1, kappa=1)[source]

Hydrogramme unitaire selon Berthet (2010).

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc (int) – Départ. Défaut : 0.
scale (int) – Echelle. Défaut : 1.
alpha (float) – Forme. Défaut : 1.
kappa (float) – Centrage. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc = -407.144
>>> scale = 817.386
>>> alpha = 117.451
>>> kappa = 0.309
>>> df = uh.FBN(index, loc, scale, alpha, kappa)
>>> df
          FBN
-11  0.002375
-10  0.001839
-9   0.003251
-8   0.005726
-7   0.010014
-6   0.017302
-5   0.029277
-4   0.047839
-3   0.073878
-2   0.104697
-1   0.131641
 0   0.142713
 1   0.131873
 2   0.105043
 3   0.074210
 4   0.048095
 5   0.029451
 6   0.017411
 7   0.010081
 8   0.005766
 9   0.003275
 10  0.001852

>>> loc = -6
>>> scale = 12
>>> alpha = 4
>>> kappa = 0.3
>>> df = uh.FBN(index, loc, scale, alpha, kappa)
>>> df
          FBN
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.000228
-4   0.005077
-3   0.034221
-2   0.132888
-1   0.292167
 0   0.304650
 1   0.158333
 2   0.054031
 3   0.014715
 4   0.003210
 5   0.000459
 6   0.000020
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.FEL(index, loc=0, scale=1)[source]

Hydrogramme unitaire selon Le Moine - ELLIPTIQUE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc (int) – Départ. Défaut : 0.
scale (int) – Echelle. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc = -5.178
>>> scale = 9.503
>>> df = uh.FEL(index, loc, scale)
>>> df
          FEL
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.036329
-4   0.088305
-3   0.112629
-2   0.126423
-1   0.133003
 0   0.133442
 1   0.127802
 2   0.115195
 3   0.092822
 4   0.048701
 5   0.000000
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

>>> loc = -6
>>> scale = 12
>>> df = uh.FEL(index, loc, scale)
>>> df
          FEL
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.058651
-4   0.079085
-3   0.091888
-2   0.100035
-1   0.104619
 0   0.106103
 1   0.104619
 2   0.100035
 3   0.091888
 4   0.079085
 5   0.058651
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.FGT(index, loc=0, scale=1, alpha=1)[source]

Hydrogramme unitaire selon TANGARA (2006).

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc (int) – Départ. Défaut : 0.
scale (int) – Echelle. Défaut : 1.
alpha (float) – Forme. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc = -3724.708
>>> scale = 7448.433
>>> alpha = 1070.317
>>> df = uh.FGT(index, loc, scale, alpha)
>>> df
          FGT
-11  0.003802
-10  0.001248
-9   0.001661
-8   0.002217
-7   0.014601
-6   0.022624
-5   0.032278
-4   0.046569
-3   0.062500
-2   0.098214
-1   0.137363
 0   0.153846
 1   0.137363
 2   0.098214
 3   0.062500
 4   0.046569
 5   0.032278
 6   0.022624
 7   0.014520
 8   0.002252
 9   0.001681
 10  0.001259

>>> loc = -6
>>> scale = 12
>>> alpha = 4
>>> df = uh.FGT(index, loc, scale, alpha)
>>> df
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.000068
-4   0.001529
-3   0.010598
-2   0.046628
-1   0.147720
 0   0.293457
 1   0.293457
 2   0.147720
 3   0.046628
 4   0.010598
 5   0.001529
 6   0.000068
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.FPA(index, loc=0, scale=1)[source]

Hydrogramme unitaire selon Le Moine - PARABOLIQUE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc (int) – Départ. Défaut : 0.
scale (int) – Echelle. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc = -5.618
>>> scale = 11.079
>>> df = uh.FPA(index, loc, scale)
>>> df
          FPA
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.028524
-4   0.067541
-3   0.097733
-2   0.119101
-1   0.131645
 0   0.135364
 1   0.130259
 2   0.116330
 3   0.093577
 4   0.061999
 5   0.021597
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

>>> loc = -6
>>> scale = 12
>>> df = uh.FPA(index, loc, scale)
>>> df
          FPA
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.038194
-4   0.069444
-3   0.093750
-2   0.111111
-1   0.121528
 0   0.125000
 1   0.121528
 2   0.111111
 3   0.093750
 4   0.069444
 5   0.038194
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.FPU(index, loc=0, scale=1, alpha=1)[source]

Hydrogramme unitaire selon Le Moine - PUISSANCE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc (int) – Départ. Défaut : 0.
scale (int) – Echelle. Défaut : 1.
alpha (float) – Forme. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc = -239729269.709
>>> scale = 479458539.860
>>> alpha = 82122945.112
>>> df = uh.FPU(index, loc, scale, alpha)
>>> df
          FPU
-11  0.003667
-10  0.005165
-9   0.007276
-8   0.010248
-7   0.014435
-6   0.020332
-5   0.028639
-4   0.040340
-3   0.056821
-2   0.080036
-1   0.112735
 0   0.158794
 1   0.131165
 2   0.093120
 3   0.066110
 4   0.046935
 5   0.033321
 6   0.023656
 7   0.016795
 8   0.011923
 9   0.008465
 10  0.006010

>>> loc = -6
>>> scale = 12
>>> alpha = 4
>>> df = uh.FPU(index, loc, scale, alpha)
>>> df
          FPU
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.001543
-4   0.012346
-3   0.041667
-2   0.098765
-1   0.192901
 0   0.333333
 1   0.192901
 2   0.098765
 3   0.041667
 4   0.012346
 5   0.001543
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.FSI(index, loc=0, scale=1)[source]

Hydrogramme unitaire selon Le Moine - SINUSOIIDAL.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc (int) – Départ. Défaut : 0.
scale (int) – Echelle. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc = -7.54
>>> scale = 14.913
>>> df = uh.FSI(index, loc, scale)
>>> df
          FSI
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.001728
-6   0.013627
-5   0.034870
-4   0.061743
-3   0.089545
-2   0.113413
-1   0.129174
 0   0.134070
 1   0.127245
 2   0.109892
 3   0.085048
 4   0.057056
 5   0.030814
 6   0.010910
 7   0.000826
 8   0.000000
 9   0.000000
 10  0.000000

>>> loc = -6
>>> scale = 12
>>> df = uh.FSI(index, loc, scale)
>>> df
          FSI
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.011165
-4   0.041667
-3   0.083333
-2   0.125000
-1   0.155502
 0   0.166667
 1   0.155502
 2   0.125000
 3   0.083333
 4   0.041667
 5   0.011165
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.LBI(index, n=1, p=0, loc=0)[source]

Hydrogramme unitaire par loi statistique BINOMIALE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
n (int) – Paramètre de la loi Binomiale. Equivalent à “scale” dans les fonctions. Défaut : 1.
p (float) – Paramètre de la loi Binomiale. Défaut : 0.
loc (int) – Départ. Défaut : 0.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.binom

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> n = 21
>>> p = 0.50
>>> loc = -11
>>> df = uh.LBI(index, n, p, loc)
>>> df
          LBI
-11  0.168188
-10  0.140157
-9   0.097032
-8   0.055447
-7   0.025875
-6   0.009703
-5   0.002854
-4   0.000000
-3   0.000000
-2   0.000000
-1   0.000000
 0   0.000000
 1   0.000000
 2   0.000000
 3   0.000000
 4   0.000000
 5   0.000000
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

>>> n = 12
>>> p = 0.50
>>> loc = -6
>>> df = uh.LBI(index, n, p, loc)
>>> df
          LBI
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.225586
-5   0.193359
-4   0.120850
-3   0.053711
-2   0.016113
-1   0.002930
 0   0.000000
 1   0.000000
 2   0.000000
 3   0.000000
 4   0.000000
 5   0.000000
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.LBN(index, n=1, p=1, loc=0)[source]

Hydrogramme unitaire par loi statistique BINOMIALE NEGATIVE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
n (int) – Paramètre de la loi Binomiale Négative. Equivalent à “scale” dans les fonctions. Défaut : 1.
p (float) – Paramètre de la loi Binomiale Négative. Défaut : 1.
loc (int) – Départ. Défaut : 0.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.nbinom

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> n = 20.969
>>> p = 0.50
>>> loc = -11
>>> df = uh.LBN(index, n, p, loc)
>>> df
          LBN
-11  0.019876
-10  0.026476
-9   0.033572
-8   0.040729
-7   0.047475
-6   0.053363
-5   0.058023
-4   0.061197
-3   0.062757
-2   0.062709
-1   0.061169
 0   0.058346
 1   0.054501
 2   0.049924
 3   0.044901
 4   0.039693
 5   0.034525
 6   0.029574
 7   0.024969
 8   0.020795
 9   0.017095
 10  0.000000

>>> n = 12
>>> p = 0.50
>>> loc = -6
>>> df = uh.LBN(index, n, p, loc)
>>> df
          LBN
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.047211
-5   0.060699
-4   0.072081
-3   0.080090
-2   0.084094
-1   0.084094
 0   0.080590
 1   0.074391
 2   0.066420
 3   0.057564
 4   0.048570
 5   0.039999
 6   0.032221
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.LGA(index, alpha=1, loc=0, scale=1)[source]

Hydrogramme unitaire par loi statistique GAMMA.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
alpha (float) – Paramètre de la loi. Défaut : 1.
loc (float) – Départ. Défaut : 0.
scale (float) – Echelle. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.gamma

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> alpha = 6.470
>>> loc = -3.178
>>> scale = 1.128
>>> df = uh.LGA(index, alpha, loc, scale)
>>> df
          LGA
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.000000
-4   0.000000
-3   0.064537
-2   0.110755
-1   0.141350
 0   0.148574
 1   0.136158
 2   0.112676
 3   0.086169
 4   0.061884
 5   0.042223
 6   0.027607
 7   0.017414
 8   0.010651
 9   0.006344
 10  0.003692

>>> alpha = 4
>>> loc = -6
>>> scale = 12
>>> df = uh.LGA(index, alpha, loc, scale)
>>> df
          LGA
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.001053
-5   0.001538
-4   0.002113
-3   0.002768
-2   0.003493
-1   0.004278
 0   0.005109
 1   0.005977
 2   0.006868
 3   0.007772
 4   0.008678
 5   0.009577
 6   0.010459
 7   0.011318
 8   0.012145
 9   0.012935
 10  0.013683

pyspc.model.mohys.unit_hydrograph.LGD(index, alpha=1, loc=0, scale=1)[source]

Hydrogramme unitaire par loi statistique DOUBLE GAMMA.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
alpha (float) – Paramètre de la loi. Défaut : 1.
loc (float) – Départ. Défaut : 0.
scale (float) – Echelle. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.dgamma

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> alpha = 4
>>> loc = -6
>>> scale = 12
>>> df = uh.LGD(index, alpha, loc, scale)
>>> df
          LGD
-11  0.000331
-10  0.000184
-9   0.000085
-8   0.000027
-7   0.000004
-6   0.000000
-5   0.000004
-4   0.000027
-3   0.000085
-2   0.000184
-1   0.000331
 0   0.000527
 1   0.000769
 2   0.001056
 3   0.001384
 4   0.001747
 5   0.002139
 6   0.002555
 7   0.002988
 8   0.003434
 9   0.003886
 10  0.004339

pyspc.model.mohys.unit_hydrograph.LLD(index, alpha=1, loc=0)[source]

Hydrogramme unitaire par loi statistique LAPLACE DISCRETE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
alpha (float) – Paramètre de la loi. Défaut : 1.
loc (int) – Départ. Défaut : 0.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.dlaplace

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> n = 20.969
>>> p = 0.50
>>> loc = -11
>>> df = uh.LLD(index, n, p, loc)
>>> df
          LLD
-11  0.004441
-10  0.006159
-9   0.008542
-8   0.011846
-7   0.016428
-6   0.022782
-5   0.031594
-4   0.043814
-3   0.060762
-2   0.084264
-1   0.116858
 0   0.162059
 1   0.116858
 2   0.084264
 3   0.060762
 4   0.043814
 5   0.031594
 6   0.022782
 7   0.016428
 8   0.011846
 9   0.008542
 10  0.006159

>>> n = 12
>>> p = 0.50
>>> loc = -6
>>> df = uh.LLD(index, n, p, loc)
>>> df
          LLD
-11  0.033221
-10  0.044843
-9   0.060532
-8   0.081710
-7   0.110297
-6   0.148885
-5   0.110297
-4   0.081710
-3   0.060532
-2   0.044843
-1   0.033221
 0   0.024611
 1   0.018232
 2   0.013507
 3   0.010006
 4   0.007413
 5   0.005491
 6   0.004068
 7   0.003014
 8   0.002233
 9   0.001654
 10  0.001225

pyspc.model.mohys.unit_hydrograph.LNG(index, loc=0, scale=1)[source]

Hydrogramme unitaire par loi statistique NORMALE GAUSS.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc (float) – Départ. Défaut : 0.
scale (float) – Echelle. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.norm

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc = -0.031
>>> scale = 2.875
>>> df = uh.LNG(index, loc, scale)
>>> df
          LNG
-11  0.000000
-10  0.000000
-9   0.001069
-8   0.002978
-7   0.007351
-6   0.016079
-5   0.031161
-4   0.053509
-3   0.081413
-2   0.109754
-1   0.131101
 0   0.138754
 1   0.130121
 2   0.108120
 3   0.079601
 4   0.051927
 5   0.030014
 6   0.015371
 7   0.006975
 8   0.002805
 9   0.000000
 10  0.000000

>>> loc = -6
>>> scale = 12
>>> df = uh.LNG(index, loc, scale)
>>> df
      LNG
-11  0.030481
-10  0.031449
-9   0.032222
-8   0.032787
-7   0.033130
-6   0.033245
-5   0.033130
-4   0.032787
-3   0.032222
-2   0.031449
-1   0.030481
 0   0.029339
 1   0.028044
 2   0.026621
 3   0.025095
 4   0.023493
 5   0.021841
 6   0.020164
 7   0.018488
 8   0.016833
 9   0.015221
 10  0.013668

pyspc.model.mohys.unit_hydrograph.LSK(index, mu1=1, mu2=1, loc=0)[source]

Hydrogramme unitaire par loi statistique SKELLAM.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
mu1 (float) – Paramètre de forme mu1 de la loi statistique. Défaut : 1.
mu2 (float) – Paramètre de forme mu2 de la loi statistique. Défaut : 1.
loc (float) – Départ. Défaut : 0.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.skellam

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> mu1 = 3.597
>>> mu2 = 4.670
>>> loc = 1.000
>>> df = uh.LSK(index, mu1, mu2, loc)
>>> df
          LSK
-11  0.000000
-10  0.000000
-9   0.001478
-8   0.003597
-7   0.008071
-6   0.016597
-5   0.031095
-4   0.052734
-3   0.080410
-2   0.109491
-1   0.132272
 0   0.140982
 1   0.132069
 2   0.108589
 3   0.078472
 4   0.050032
 5   0.028301
 6   0.014296
 7   0.006493
 8   0.002669
 9   0.000000
 10  0.000000

>>> mu1 = 4
>>> mu2 = 4
>>> loc = -6
>>> df = uh.LSK(index, mu1, mu2, loc)
>>> df
          LSK
-11  0.028694
-10  0.050500
-9   0.079194
-8   0.109896
-7   0.134142
-6   0.143432
-5   0.134142
-4   0.109896
-3   0.079194
-2   0.050500
-1   0.028694
 0   0.014633
 1   0.006745
 2   0.002829
 3   0.001087
 4   0.000000
 5   0.000000
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.LWE(index, c=1, loc=0, scale=1)[source]

Hydrogramme unitaire par loi statistique WEIBULL.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
c (float) – Paramètre de la loi. Défaut : 1.
loc (float) – Départ. Défaut : 0.
scale (float) – Echelle. Défaut : 1.

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.weibull_min

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> c = 3.047
>>> loc = -3.805
>>> scale = 8.799
>>> df = uh.LWE(index, c, loc, scale)
>>> df
          LWE
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.000000
-4   0.000000
-3   0.080203
-2   0.106933
-1   0.126906
 0   0.135311
 1   0.129911
 2   0.112119
 3   0.086629
 4   0.059587
 5   0.036245
 6   0.019353
 7   0.008999
 8   0.003614
 9   0.001243
 10  0.000363

>>> c = 4
>>> loc = -6
>>> scale = 12
>>> df = uh.LWE(index, c, loc, scale)
>>> df
          LWE
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.058931
-4   0.081062
-3   0.102482
-2   0.119095
-1   0.126728
 0   0.122626
 1   0.106902
 2   0.083011
 3   0.056666
 4   0.033505
 5   0.016882
 6   0.007121
 7   0.002467
 8   0.000688
 9   0.000151
 10  0.000025

pyspc.model.mohys.unit_hydrograph.RE1(index, loc=0, scale=1)[source]

Hydrogramme unitaire de forme géométrique RECTANGLE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc (float) – Départ
scale (float) – Echelle

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.uniform

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc = -12.564
>>> scale = 17.125
>>> df = uh.RE1(index, loc, scale)
>>> df
          RE1
-11  0.058394
-10  0.058394
-9   0.058394
-8   0.058394
-7   0.058394
-6   0.058394
-5   0.058394
-4   0.058394
-3   0.058394
-2   0.058394
-1   0.058394
 0   0.058394
 1   0.058394
 2   0.058394
 3   0.058394
 4   0.058394
 5   0.000000
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

>>> loc = -6
>>> scale = 12
>>> df = uh.RE1(index, loc, scale)
>>> df
          RE1
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.083333
-5   0.083333
-4   0.083333
-3   0.083333
-2   0.083333
-1   0.083333
 0   0.083333
 1   0.083333
 2   0.083333
 3   0.083333
 4   0.083333
 5   0.083333
 6   0.083333
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.RE2(index, loc1=0, scale1=1, loc2=0, scale2=1)[source]

Hydrogramme unitaire de forme géométrique DOUBLE RECTANGLE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc1 (float) – Départ du rectangle 1
scale1 (float) – Echelle du rectangle 1
loc2 (float) – Départ du rectangle 2
scale2 (float) – Echelle du rectangle 2

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.uniform

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc1 = -3.974
>>> scale1 = 6.780
>>> loc2 = -14.699
>>> scale2 = 34.547
>>> df = uh.RE2(index, loc1, scale1, loc2, scale2)
>>> df
          RE2
-11  0.028946
-10  0.028946
-9   0.028946
-8   0.028946
-7   0.028946
-6   0.028946
-5   0.028946
-4   0.028946
-3   0.147493
-2   0.147493
-1   0.147493
 0   0.147493
 1   0.147493
 2   0.147493
 3   0.028946
 4   0.028946
 5   0.028946
 6   0.028946
 7   0.028946
 8   0.028946
 9   0.028946
 10  0.028946

>>> loc1 = -6
>>> scale1 = 12
>>> loc2 = -12
>>> scale2 = 24
>>> df = uh.RE2(index, loc1, scale1, loc2, scale2)
>>> df
          RE2
-11  0.041667
-10  0.041667
-9   0.041667
-8   0.041667
-7   0.041667
-6   0.083333
-5   0.083333
-4   0.083333
-3   0.083333
-2   0.083333
-1   0.083333
 0   0.083333
 1   0.083333
 2   0.083333
 3   0.083333
 4   0.083333
 5   0.083333
 6   0.083333
 7   0.041667
 8   0.041667
 9   0.041667
 10  0.041667

pyspc.model.mohys.unit_hydrograph.RT1(index, loc1=0, scale1=1, mode2=0, loc2=0, scale2=1)[source]

Hydrogramme unitaire de forme géométrique RECTANGLE + TRIANGLE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
loc1 (float) – Départ du rectangle 1
scale1 (float) – Echelle du rectangle 1
mode2 (float) – Départ du triangle 2 (paramètre c de scipy.stats.triang)
loc2 (float) – Départ du triangle 2
scale2 (float) – Echelle du triangle 2

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.uniform, scipy.stats.triang

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> loc1 = -20.368
>>> scale1 = 29.368
>>> mode2 = 0.634
>>> loc2 = -5.008
>>> scale2 = 8.856
>>> df = uh.RT1(index, loc1, scale1, mode2, loc2, scale2)
>>> df
          RT1
-11  0.034051
-10  0.034051
-9   0.034051
-8   0.034051
-7   0.034051
-6   0.034051
-5   0.034051
-4   0.040544
-3   0.080766
-2   0.120988
-1   0.161210
 0   0.201433
 1   0.198433
 2   0.128758
 3   0.059084
 4   0.034051
 5   0.034051
 6   0.034051
 7   0.034051
 8   0.034051
 9   0.034051
 10  0.000000

>>> loc1 = -6
>>> scale1 = 12
>>> mode2 = 0.75
>>> loc2 = -12
>>> scale2 = 24
>>> df = uh.RT1(index, loc1, scale1, mode2, loc2, scale2)
>>> df
          RT1
-11  0.004630
-10  0.009259
-9   0.013889
-8   0.018519
-7   0.023148
-6   0.083333
-5   0.083333
-4   0.083333
-3   0.083333
-2   0.083333
-1   0.083333
 0   0.083333
 1   0.083333
 2   0.083333
 3   0.083333
 4   0.083333
 5   0.083333
 6   0.083333
 7   0.069444
 8   0.055556
 9   0.041667
 10  0.027778

pyspc.model.mohys.unit_hydrograph.TG1(index, mode=0, loc=0, scale=1)[source]

Hydrogramme unitaire de forme géométrique TRIANGLE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
mode (float) – Départ du triangle (paramètre c de scipy.stats.triang)
loc (float) – Départ du triangle
scale (float) – Echelle du triangle

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.triang

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> mode = 0.712
>>> loc = -8.376
>>> scale = 13.133
>>> df = uh.TG1(index, mode, loc, scale)
>>> df
          TG1
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.006124
-7   0.022410
-6   0.038696
-5   0.054983
-4   0.071269
-3   0.087555
-2   0.103841
-1   0.120128
 0   0.136414
 1   0.151269
 2   0.111006
 3   0.070743
 4   0.030479
 5   0.000000
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

>>> mode = 0.75
>>> loc = -6
>>> scale = 12
>>> df = uh.TG1(index, mode, loc, scale)
>>> df
          TG1
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.000000
-5   0.018519
-4   0.037037
-3   0.055556
-2   0.074074
-1   0.092593
 0   0.111111
 1   0.129630
 2   0.148148
 3   0.166667
 4   0.111111
 5   0.055556
 6   0.000000
 7   0.000000
 8   0.000000
 9   0.000000
 10  0.000000

pyspc.model.mohys.unit_hydrograph.TG2(index, mode1=0, loc1=0, scale1=1, mode2=0, loc2=0, scale2=1)[source]

Hydrogramme unitaire de forme géométrique DOUBLE TRIANGLE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
mode1 (float) – Départ du triangle 1 (paramètre c de scipy.stats.triang)
loc1 (float) – Départ du triangle 1
scale1 (float) – Echelle du triangle 1
mode2 (float) – Départ du triangle 2 (paramètre c de scipy.stats.triang)
loc2 (float) – Départ du triangle 2
scale2 (float) – Echelle du triangle 2

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.triang

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> mode1 = 1.000
>>> loc1 = -5.313
>>> scale1 = 7.313
>>> mode2 = 0.580
>>> loc2 = -12.575
>>> scale2 = 22.393
>>> df = uh.TG2(index, mode1, loc1, scale1, mode2, loc2, scale2)
>>> df
          TG2
-11  0.010831
-10  0.017707
-9   0.024584
-8   0.031461
-7   0.038337
-6   0.045214
-5   0.052091
-4   0.058967
-3   0.086500
-2   0.123897
-1   0.161294
 0   0.198691
 1   0.236088
 2   0.273486
 3   0.064746
 4   0.055250
 5   0.045753
 6   0.036257
 7   0.026761
 8   0.017264
 9   0.007768
 10  0.000000

>>> mode1 = 0.50
>>> loc1 = -6
>>> scale1 = 12
>>> mode2 = 0.75
>>> loc2 = -12
>>> scale2 = 24
>>> df = uh.TG2(index, mode1, loc1, scale1, mode2, loc2, scale2)
>>> df
          TG2
-11  0.004630
-10  0.009259
-9   0.013889
-8   0.018519
-7   0.023148
-6   0.027778
-5   0.032407
-4   0.055556
-3   0.083333
-2   0.111111
-1   0.138889
 0   0.166667
 1   0.138889
 2   0.111111
 3   0.083333
 4   0.074074
 5   0.078704
 6   0.083333
 7   0.069444
 8   0.055556
 9   0.041667
 10  0.027778

pyspc.model.mohys.unit_hydrograph.TR1(index, mode1=0, loc1=0, scale1=1, loc2=0, scale2=1)[source]

Hydrogramme unitaire de forme géométrique TRIANGLE + RECTANGLE.

Paramètres:

index (list, pandas.Index) – Indices temporels sur lesquels il faut déterminer l’hydrogramme
mode1 (float) – Départ du triangle 1 (paramètre c de scipy.stats.triang)
loc1 (float) – Départ du triangle 1
scale1 (float) – Echelle du triangle 1
loc2 (float) – Départ du rectangle 2
scale2 (float) – Echelle du rectangle 2

Renvoie:

df – Hydrogramme unitaire

Type renvoyé:

pandas.DataFrame

Voir aussi

scipy.stats.triang, scipy.stats.uniform

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> index = [-11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4,
...     5, 6, 7, 8, 9, 10]
>>> mode1 = 0.656
>>> loc1 = -6.727
>>> scale1 = 11.363
>>> loc2 = -3.035
>>> scale2 = 48.770
>>> df = uh.TR1(index, mode1, loc1, scale1, loc2, scale2)
>>> df
          TR1
-11  0.000000
-10  0.000000
-9   0.000000
-8   0.000000
-7   0.000000
-6   0.017166
-5   0.040779
-4   0.064391
-3   0.088003
-2   0.111616
-1   0.135228
 0   0.158841
 1   0.163723
 2   0.118695
 3   0.073666
 4   0.028638
 5   0.020504
 6   0.020504
 7   0.020504
 8   0.020504
 9   0.020504
 10  0.020504

>>> mode1 = 0.50
>>> loc1 = -6
>>> scale1 = 12
>>> loc2 = -12
>>> scale2 = 24
>>> df = uh.TR1(index, mode1, loc1, scale1, loc2, scale2)
>>> df
          TR1
-11  0.041667
-10  0.041667
-9   0.041667
-8   0.041667
-7   0.041667
-6   0.041667
-5   0.041667
-4   0.055556
-3   0.083333
-2   0.111111
-1   0.138889
 0   0.166667
 1   0.138889
 2   0.111111
 3   0.083333
 4   0.055556
 5   0.041667
 6   0.041667
 7   0.041667
 8   0.041667
 9   0.041667
 10  0.041667

pyspc.model.mohys.unit_hydrograph.UH_DICT = {'FBN': <function FBN>, 'FEL': <function FEL>, 'FGT': <function FGT>, 'FPA': <function FPA>, 'FPU': <function FPU>, 'FSI': <function FSI>, 'LBI': <function LBI>, 'LBN': <function LBN>, 'LGA': <function LGA>, 'LGD': <function LGD>, 'LLD': <function LLD>, 'LNG': <function LNG>, 'LSK': <function LSK>, 'LWE': <function LWE>, 'RE1': <function RE1>, 'RE2': <function RE2>, 'RT1': <function RT1>, 'TG1': <function TG1>, 'TG2': <function TG2>, 'TR1': <function TR1>}: Dictionnaire des fonctions de construction des hydrogrammes unitaires

pyspc.model.mohys.unit_hydrograph.build(start=0, end=0, params=None, norm=True)[source]

Construire un hydrogramme unitaire.

Paramètres:

start (int) – Premier instant
end (int) – Dernier instant
params (dict) –
Formulations demandées et leurs paramètres
- clé : str
- valeurs : list
norm (bool) – Normaliser les hydrogrammes unitaires ? Par défaut: True. Si True, la somme des coefficients est égale à 1.

Renvoie:

df – Hydrogrammes unitaires

Type renvoyé:

pandas.DataFrame

Voir aussi

pyspc.model.mohys.unit_hydrograph.plot

Exemples

>>> from pyspc.model.mohys import unit_hydrograph as uh
>>> start = -11
>>> end = 10
>>> params = {
...     'FBN': [-6, 12, 4, 0.3],
...     'FGT': [-6, 12, 4],
...     'FPU': [-6, 12, 4],
...     'RE1': [-6, 12],
...     'RE2': [-6, 12, -12, 24],
...     'TG1': [0.75, -6, 12],
...     'TG2': [0.50, -6, 12, 0.75, -12, 24],
... }

Cas avec normalisation (cas par défaut)

>>> df = uh.build(start=start, end=end, params=params)
>>> df = uh.build(start=start, end=end, params=params, norm=True)
>>> df
          FBN       FGT       FPU       RE1       RE2       TG1       TG2
-11  0.000000  0.000000  0.000000  0.000000  0.028571  0.000000  0.003195
-10  0.000000  0.000000  0.000000  0.000000  0.028571  0.000000  0.006390
-9   0.000000  0.000000  0.000000  0.000000  0.028571  0.000000  0.009585
-8   0.000000  0.000000  0.000000  0.000000  0.028571  0.000000  0.012780
-7   0.000000  0.000000  0.000000  0.000000  0.028571  0.000000  0.015974
-6   0.000000  0.000000  0.000000  0.076923  0.057143  0.000000  0.019169
-5   0.000228  0.000068  0.001502  0.076923  0.057143  0.018519  0.022364
-4   0.005077  0.001529  0.012012  0.076923  0.057143  0.037037  0.038339
-3   0.034221  0.010598  0.040541  0.076923  0.057143  0.055556  0.057508
-2   0.132888  0.046628  0.096096  0.076923  0.057143  0.074074  0.076677
-1   0.292167  0.147720  0.187688  0.076923  0.057143  0.092593  0.095847
 0   0.304650  0.293457  0.324324  0.076923  0.057143  0.111111  0.115016
 1   0.158333  0.293457  0.187688  0.076923  0.057143  0.129630  0.095847
 2   0.054031  0.147720  0.096096  0.076923  0.057143  0.148148  0.076677
 3   0.014715  0.046628  0.040541  0.076923  0.057143  0.166667  0.057508
 4   0.003210  0.010598  0.012012  0.076923  0.057143  0.111111  0.051118
 5   0.000459  0.001529  0.001502  0.076923  0.057143  0.055556  0.054313
 6   0.000020  0.000068  0.000000  0.076923  0.057143  0.000000  0.057508
 7   0.000000  0.000000  0.000000  0.000000  0.028571  0.000000  0.047923
 8   0.000000  0.000000  0.000000  0.000000  0.028571  0.000000  0.038339
 9   0.000000  0.000000  0.000000  0.000000  0.028571  0.000000  0.028754
 10  0.000000  0.000000  0.000000  0.000000  0.028571  0.000000  0.019169

Cas sans normalisation

>>> df = uh.build(start=start, end=end, params=params, norm=False)
>>> df
          FBN       FGT       FPU       RE1       RE2       TG1       TG2
-11  0.000000  0.000000  0.000000  0.000000  0.041667  0.000000  0.004630
-10  0.000000  0.000000  0.000000  0.000000  0.041667  0.000000  0.009259
-9   0.000000  0.000000  0.000000  0.000000  0.041667  0.000000  0.013889
-8   0.000000  0.000000  0.000000  0.000000  0.041667  0.000000  0.018519
-7   0.000000  0.000000  0.000000  0.000000  0.041667  0.000000  0.023148
-6   0.000000  0.000000  0.000000  0.083333  0.083333  0.000000  0.027778
-5   0.000228  0.000068  0.001543  0.083333  0.083333  0.018519  0.032407
-4   0.005077  0.001529  0.012346  0.083333  0.083333  0.037037  0.055556
-3   0.034221  0.010598  0.041667  0.083333  0.083333  0.055556  0.083333
-2   0.132888  0.046628  0.098765  0.083333  0.083333  0.074074  0.111111
-1   0.292167  0.147720  0.192901  0.083333  0.083333  0.092593  0.138889
 0   0.304650  0.293457  0.333333  0.083333  0.083333  0.111111  0.166667
 1   0.158333  0.293457  0.192901  0.083333  0.083333  0.129630  0.138889
 2   0.054031  0.147720  0.098765  0.083333  0.083333  0.148148  0.111111
 3   0.014715  0.046628  0.041667  0.083333  0.083333  0.166667  0.083333
 4   0.003210  0.010598  0.012346  0.083333  0.083333  0.111111  0.074074
 5   0.000459  0.001529  0.001543  0.083333  0.083333  0.055556  0.078704
 6   0.000020  0.000068  0.000000  0.083333  0.083333  0.000000  0.083333
 7   0.000000  0.000000  0.000000  0.000000  0.041667  0.000000  0.069444
 8   0.000000  0.000000  0.000000  0.000000  0.041667  0.000000  0.055556
 9   0.000000  0.000000  0.000000  0.000000  0.041667  0.000000  0.041667
 10  0.000000  0.000000  0.000000  0.000000  0.041667  0.000000  0.027778

pyspc.model.mohys.unit_hydrograph.plot(df, subplots=False, filename='unit_hydrograph.png')[source]

Tracer un hydrogramme unitaire.

Paramètres:

df (pandas.DataFrame) – Hydrogrammes unitaires
subplots (bool) – 1 sous figure par hydrogramme unitaire (True) ou les regrouper (False)
filename (str) – Fichier à écrire

Renvoie:

filename – Fichier à écrire

Type renvoyé:

str

Voir aussi

pyspc.model.mohys.unit_hydrograph.build