在工程中使用WorkspaceArray

'WorkspaceArray`是*Engee*建模环境中的一种特殊数据类型，专为存储和处理时间序列而设计。它基于语言的’AbstractArray’接口 Julia，但与标准数组不同，实现了数据的延迟加载，这使得它成为一个懒惰的数组。

懒惰数组（或懒惰加载的数组）是一种结构，它不会将数据完全存储在RAM中，而是根据需要加载它：例如，在迭代，访问索引或转换为表时。这使您能够有效地处理不适合内存或来自外部源（例如，来自数据库或文件）的非常大的数据集。 *Engee*中的’WorkspaceArray`用于以下场景:

作为模拟的结果，它用于存储记录的信号。例如，在’simout’变量中（有关更多信息，请参阅 Engee中仿真结果的软件处理);
通过块在模型之间传输数据至工作区和来自工作区;
从CSV文件或表格（DataFrame）导入自定义时间序列，然后可以在*Engee*模型中使用。

因此，WorkspaceArray提供了一个单一且用户友好的界面，用于在整个模拟过程中访问临时数据，从准备输入数据到分析结果。

创建WorkspaceArray

通常，在仿真过程中会自动形成"WorkspaceArray"，例如，当通过块记录信号时 至工作区 或者将结果保存到变量时 simout。

但是，它也可以手动创建，例如，加载外部数据或在预先准备的输入上测试模型。在这种情况下，使用以下方法之一创建`WorkspaceArray:

来自CSV文件。要从CSV文件下载数据，只需指定文件的路径即可。:
```
my_wa = WorkspaceArray("my_wa", "/user/path_to_csv.csv")
```
这里`"my_wa"'是数组将存储在其下的名称变量的窗口 Engee。它用于模型、脚本和其他应用程序中的后续数组引用。
CSV文件必须包含两列：一列*必需*名称为"time"，第二列包含信号的值。 CSV文件结构示例:

time,value 0.1,1 0.2,2 0.3,3

从’DataFrame`表。如果您已经在Julia中使用表格数据，则可以直接从"DataFrame"对象创建"WorkspaceArray"。这在以编程方式生成输入信号时，在数据分析或转换期间尤其有用。

'DataFrame’是来自包’DataFrames的表格结构。jl`，类似于Excel中的表格或Python中的DataFrame（pandas）。每列都有一个名称和类型，数据存储在行中。创造的例子:

using DataFrames

df = DataFrame(time = [0.1, 0.2, 0.3], value = [1, 2, 3])
wa = WorkspaceArray("my_wa", df)

该表应包含两列：'time'（类型`Float64'）和’value'（可以是标量，矢量或数字数组）。

使用WorkspaceArray

'WorkspaceArray’实现了’AbstractArray’接口，它允许它像Julia—indexed，iterated，sliced等中的常规数组一样访问`但是，除了数组的基本行为外，WorkspaceArray还包含内部结构和附加字段，这些字段将其链接到数据源，

每个’WorkspaceArray’不仅仅是一组数字，而是一个带有"元数据"的对象：它知道它的数据在哪里，它与时间的关系如何，它从哪里下载，以及它是如何接收的。这些附加属性可以通过简单地通过点访问对象的字段来直接请求。:

wa = WorkspaceArray("my_wa")
wa.time    # 访问时间戳
wa.value   # 访问数值
wa.type    # 获取数组类型：:pair、:time 或 :value

以下字段可用:

'time’是一个仅包含时间戳的子`WorkspaceArray'。它的类型是`:time';
'value’是包含信号值的子`WorkspaceArray'。它的类型是`:value';
'type'-当前数组的类型’:time'，:value`或:pair'（时间戳+值）;
'parent`是对父`WorkspaceArray’的引用，如果当前是切片的结果。;
'range'-创建切片所依据的索引范围。用于懒惰切片;
'dimension'—'value’字段中数据的维度（例如，标量，矢量，矩阵）;
'signal_id’是*Engee*中数据源的唯一标识符。

大多数情况下，在使用`WorkspaceArray`时，直接使用`time`和`value`字段，特别是如果您需要单独获取数据或将其转换为表。

重用

创建包含`WorkspaceArray'（例如，名为`wa`）的变量后，它会自动与*Engee*中的`signal_id`（唯一标识符）相关联。这允许您按名称引用它，并在项目的其他部分中重用它，例如，在基于Genie框架的web应用程序中（有关更多信息，请参阅在Engee与Genie合作），在其他模型中或在具有嵌套的块中，例如子系统:

wa = WorkspaceArray("my_wa")

这样的记录创建一个新的’WorkspaceArray`，引用名称为`"my_wa"`的已经注册的数据。

与模型一起使用

街区 至工作区 和 来自工作区 设计用于与模型中的"WorkspaceArray"交互:

座 至工作区 将模型中的数据写入工作区*Engee*中的"WorkspaceArray"类型的变量。变量名由*变量名*参数设置。仅支持数值数据（标量和数组）。

座 来自工作区 从工作区读取数据并将其馈送到模型输入。只使用’WorkspaceArray’类型的变量。

'To Workspace’和`From Workspace’块仅使用’WorkspaceArray`类型工作*。

使用示例: 从/到工作区演示。

使用CSV

将WorkspaceArray导出为CSV

要将`WorkspaceArray’导出为CSV，请使用’CSV。写`用所需的参数’delim="\t"`:

using CSV
CSV.write("/user/workspacearray_csv.csv", delim="\t", data_frame)

没有参数’delim="\t"`将导致导入期间错误`BoundsError'，并将创建一个空文件。

从CSV导入WorkspaceArray

wa = WorkspaceArray("my_wa", "/user/my_data.csv")

该文件应包含两列:

'time’是必需的列名。;
'value'-值。

上传数据

完全上传到DataFrame

要将数据从`WorkspaceArray’完全上传到DataFrame’使用`collect':

df = collect(wa) # 获取包含 time 和 value 列的 DataFrame

您还可以从"WorkspaceArray"中获取单个列:

collect(wa.time)   # 仅收集时间
collect(wa.value)  # 仅收集值

对于非常大的数据，不建议使用"收集"，因为内存过载是可能的。

懒人片

WorkspaceArray的一个关键优势是它对惰性切片的支持。

与常规Julia数组不同，其中一个slice(wa[1:10])创建一个带有数据副本的新数组，WorkspaceArray’的工作方式不同。切片时，会创建一个仅存储索引范围（`range）和对源对象（parent）的引用的视图—而不会将值实际加载到内存中。数据仅在显式请求时从存储*加载，例如，在迭代或索引访问期间通过"收集"。

这对于……特别有用:

保存内存-切片不会复制数据，而只指向必要的元素。;
高性能—您只能使用正确的数据。;
灵活性-懒惰切片可以用作模型输入，在可视化中或导出时。

例子：:

wa_slice = wa[1:2:end] # 懒惰表示法：每隔一个元素
collect(wa_slice)      # 将数据加载到内存（以DataFrame形式）

结果:

Row │ time     value
    │ Float64  Int64
────┼───────────────
  1 │ 0.1      1
  2 │ 0.3      3
  3 │ 0.5      5

除了切片之外，您还可以按索引访问单个元素。:

wa[1] # 访问第一个记录，将得到 (0.1, 1)

按"时间"和"值"字段划分的横截面

分开的字段`。时间’和`。值’在’WorkspaceArray`中可用，也可以应用惰性切片。:

wa_values = wa.value[2:end] # 仅截取数值部分
wa_times  = wa.time[2:end]  # 仅截取时间轴部分

`Wa[1:2:end]`的Slice返回具有相同`signal_id`的`WorkspaceArray`类型对象，但具有指示slice的新`range`字段。这让您知道您正在查看一个懒惰的表示，而不是数据的副本。

如果需要，可以将数据加载到存储器中。:

wa = WorkspaceArray("my_wa")

wa_slice = wa[1:2:end]     # 创建懒惰切片
df = collect(wa_slice)     # 加载数据
println(df)                # 获取包含切片值的表格

WorkspaceArray方法和接口

'WorkspaceArray’实现了标准的Julia接口，并用它自己的方法来补充它们。下面是使用时间序列时可以使用的最有用函数的简要概述。:

'wa[i]—-通过索引访问元素，返回元组`(time,value)`:
```
wa[1] # 将得到 (0.1, 42.0)
```
'wa[start:stop]`—按范围切片，返回惰性表示。数据不会复制，而是根据需要上传。:
```
wa_slice = wa[1:10]
collect(wa_slice) # 仅加载选定范围
```
'wa[1:2:end]'是一个带有台阶的懒惰切片。
"哇。时间'，'wa。value'-访问单独包含时间和值的子`WorkspaceArray'。切片也可以应用于它们。:
```
wa_times = wa.time[5:end]
wa_values = wa.value[5:end]
```
'collect(wa)`-将`WorkspaceArray’转换为’DataFrame'。这是显式获取数据的主要方法:
```
df = collect(wa)
```

'copy(wa)`/`similar(wa)'—创建对象的表面副本。在当前的实现中，它们的工作方式相同。
'wa1==wa2—-通过`signal_id`和range(range)比较两个`workspacearrays`。

如果你在*Engee*中使用时间序列，那么很可能你会有足够的`collect`，slices（wa[1：10]）和`iterrows`用于日常任务。其余方法对于优化和微调行为很有用。

使用示例

让我们来看一个使用"WorkspaceArray"的基本示例—从创建到接收切片并上传数据。此方案涵盖’WorkspaceArray’最典型的使用方案。

首先，创建一个包含两列的表（DataFrame）：`time`和`value'。这是将数据导入`WorkspaceArray`所需的格式:
```
using DataFrames

df = DataFrame(time = [0.1, 0.2, 0.3, 0.4, 0.5],
               value = [1, 2, 3, 4, 5])
```
- '时间—-时间的时刻（以秒为单位）;
- 'value'-此时信号的值。
通过指定数组在*Engee中可用的名称，将表转换为"WorkspaceArray"*:
```
wa = WorkspaceArray("myarr", df)
```
这里’myarr’是可以在模型和脚本中使用的变量的名称。
'WorkspaceArray’支持索引访问。例如，获取第一条记录:
```
println(wa[1])
```
结果:
```
(0.1, 1)
```
这是一个元组：第一个元素是时间，第二个是信号值。

数据只有在被访问时才被加载。也就是说，即使使用’wa[1]`，也只加载一个元素。
制作数组的切片，获取每个第二个元素`(1, 3, 5)`. 这将创建一个*惰性视图*，而不是副本。:
```
wa_slice = wa[1:2:end]
```
要将数据作为表获取，请使用"收集":
```
println(collect(wa_slice))
```
结果:
```
3×2 DataFrame
 Row │ time     value
     │ Float64  Int64
─────┼────────────────
   1 │     0.1      1
   2 │     0.3      3
   3 │     0.5      5
```
Wa[1:2:end]`的切片本身不会下载数据。只有当"收集，迭代或访问索引时，数据才会从存储中实际加载。

在工程中使用WorkspaceArray

创建WorkspaceArray

使用WorkspaceArray

重用

与模型一起使用

使用CSV

将WorkspaceArray导出为CSV

从CSV导入WorkspaceArray

上传数据

完全上传到DataFrame

懒人片

按"时间"和"值"字段划分的横截面

WorkspaceArray方法和接口

使用示例

有用的连结