在工程中使用WorkspaceArray

工作架；工作架 —这是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。它实现了接口 抽象阵列 语言 Julia，但与标准数组不同，它会延迟加载数据。

工作架；工作架 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。

工作架；工作架 *Engee*用于以下情况:

作为模拟的结果，它用于存储记录的信号。例如，在变量 模拟,模拟 （有关详细信息，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;
要从CSV文件或表导入自定义时间序列（数据帧），然后可以在*Engee*模型中使用。

所以, 工作架；工作架 它提供了一个单一的和用户友好的界面，用于访问整个模拟的时间数据，从输入数据准备到结果分析。

创建WorkspaceArray

通常情况下 工作架；工作架 它是在仿真过程中自动生成的，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 工作架；工作架 它是使用以下方法之一创建的:

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" -这是保存数组的名称变量的窗口 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 时间 第二个是信号值。 CSV文件结构示例:

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

从表 数据帧. 如果您已经在Julia中使用表格数据，则可以创建 工作线/工作线 直接从对象 数据帧. 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。

数据帧 —这是从包的表格结构 数据帧。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: 时间 （类型 漂浮64)和 价值 （它可以是标量，矢量或数字数组）。

使用WorkspaceArray

工作架；工作架 实现接口 抽象阵列，这允许它在Julia—indexed，iterated，sliced等中作为常规数组访问。但是，除了数组的基本行为, 工作架；工作架 它包含一个内部结构和其他字段，这些字段将其链接到数据源，支持延迟加载，并方便使用时间序列。

每个 工作架；工作架 —这不仅仅是一组数字，而是一个具有"元数据"的对象：它知道它的数据位于何处，它与时间的关系如何，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   # 对值的访问
wa.type    # 让我们找出哪种类型的数组是：pair，：time或：value

以下字段可用:

时间 -附属公司 工作架；工作架，只包含时间戳。有一个类型 :时间;
价值 -附属公司 工作架；工作架，包含信号的值。有一个类型 :价值;
类型 -当前数组的类型: :时间, :价值 或 :对 （时间戳+值）;
家长/家长 -链接到父帐户 工作架；工作架 如果当前是切片的结果;
范围 -创建切片所依据的索引范围。用于懒惰切片;
尺寸 -字段中数据的维度 价值 （例如，标量，矢量，矩阵）;
信号_id -*Engee*中数据源的唯一标识符。

最常见的工作时 工作架；工作架 字段直接使用 时间 和 价值 特别是如果您需要单独获取数据或将其转换为表格。

重用

创建包含以下内容的变量后 工作架；工作架 （例如，与名称 华），自动链接到 信号_id （唯一标识符）在*Engee*。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")

这样的条目创建一个新的 工作架；工作架，指名称下已注册的数据 "my_wa".

与模型一起使用

街区 至工作区 和 来自工作区 设计用于与 工作线/工作线 在模型中:

座 至工作区 将数据从模型写入类型变量 工作架；工作架 在*Engee*工作区中。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。只使用类型变量 工作架；工作架.

街区 到工作区 和 从工作区 工作*只*与类型 工作架；工作架.

使用示例: 从/到工作区演示。

使用CSV

将WorkspaceArray导出为CSV

出口用 工作架；工作架 在CSV中，使用 CSV。写 与所需的参数 delim="\t":

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

缺少参数 delim="\t" 会导致错误 BoundsError 导入时，它将创建一个空文件。

从CSV导入WorkspaceArray

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

该文件应包含两列:

时间 -必填列名;
价值 -价值。

上传数据

完全上传到DataFrame

要从以下位置完全下载数据 工作架；工作架 在DataFrame中，使用 收集资料:

df = collect(wa) # 我们得到一个包含时间和值列的DataFrame

您还可以从以下位置获取单个列 工作架；工作架:

collect(wa.time)   # 只有时间
collect(wa.value)  # 仅值

不建议使用 收集资料 对于非常大的数据，内存过载是可能的。

懒人片

关键优势之一 工作架；工作架 -支持懒惰切片。

与常规Julia数组不同，其中切片（wa[1:10])创建一个包含数据副本的新数组, 工作线/工作线 它的工作方式不同。切片时，将创建一个仅存储一系列索引的视图（范围）和对源对象的引用（家长/家长）-没有实际将值加载到内存中。数据是从存储*只*加载与显式请求，例如，通过 收集资料，在迭代或索引访问期间。

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] # 惰性表示：每个第二个元素
collect(wa_slice)      # 将数据加载到内存中（作为DataFrame）

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] # 将获得对第一条记录的访问（0.1,1）

按字段划分的横截面 `时间` 和 `价值`

在 工作架；工作架 单独的字段可用 .时间 和 .价值，也可以应用懒惰切片:

wa_values = wa.value[2:end] # 仅基于值的横截面
wa_times  = wa.time[2:end]  # 仅限时间尺度切片

横截面 wa[1:2:完] 返回类型的对象 工作架；工作架 同 信号_id，但随着一个新的领域 范围，表示切片。这可以让你知道你正在看一个懒惰的表示，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]     # 创建一个懒惰的切片
df = collect(wa_slice)     # 上传数据
println(df)                # 我们得到一个截断值的表

WorkspaceArray方法和接口

工作线/工作线 实现标准的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。:

w[i] -按索引访问元素，返回元组 (时间、价值):
```
wa[1] # 将收到(0.1,42.0)
```
wa[开始：停止] -按范围切片，返回惰性表示。数据不会被复制，而是根据需要上传。:
```
wa_slice = wa[1:10]
collect(wa_slice) # 仅加载所选范围
```
wa[1:2:完] -懒切片与一个步骤。
哇。时间, 哇。价值 -接触儿童 工作线/工作线，分别包含时间和值。切片也可以应用于它们。:
```
wa_times = wa.time[5:end]
wa_values = wa.value[5:end]
```
收集(wa) -皈依者 工作架；工作架 在 数据帧. 这是显式获取数据的主要方法:
```
df = collect(wa)
```

副本(wa) / 类似(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 -两者的比较 工作线/工作线 由 信号_id 和范围（范围).

如果你在*Engee*中使用时间序列，那么很可能你会有足够的 收集资料,节(wa[1:10])和 迭代,迭代 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的基本示例 工作架；工作架 —从创建到接收切片和上传数据。此方案涵盖最典型的使用方案。 工作架；工作架.

首先，创建一个表（数据帧），包含两列: 时间 和 价值. 这是将数据导入到 工作架；工作架:
```
using DataFrames

df = DataFrame(time = [0.1, 0.2, 0.3, 0.4, 0.5],
               value = [1, 2, 3, 4, 5])
```
- 时间 -时间点（以秒为单位）;
- 价值 -此时信号的值。
将表转换为 工作架；工作架 通过指定数组在*Engee中可用的名称*:
```
wa = WorkspaceArray("myarr", df)
```
这里 "我的朋友" -可在模型和脚本中使用的变量的名称。
工作架；工作架 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 瓦[1] 只加载一个项目。
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 收集资料:
```
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
```
横截面 wa[1:2:完] 它不会自行下载数据。只有当 收集资料 在迭代或索引访问期间，数据实际上是从存储中加载的。