Engee 文档
Notebook

从工作区到工作区

在这个演示中，我们将描述使用从工作区和到工作区块的特性。 我们的目标是展示如何将数据输入模型或从中读取数据。 为此，实现了一个简单的模型，如下图所示。

image_2.png

接下来，我们将连接形成WorkspaceArray数据结构所需的库。

首先，让我们创建一个包含时间戳和数据列的DataFrame结构。

之后，我们创建一个WorkspaceArray对象，其中第一个参数是内部数据库名称，第二个是来自DataFrame结构的数据。

In [ ]: 
using DataFrames
In [ ]: 
# Задаем данные:
t = [1.0, 2.0, 4.0];
d = rand(Float64, size(t));
In [ ]: 
df = DataFrame(time=t, value=d)
Out[0]:

3 rows × 2 columns

timevalue
Float64Float64
11.00.554436
22.00.564866
34.00.116877
In [ ]: 
wa = WorkspaceArray(string(rand()), df)
Out[0]:
WorkspaceArray("0.7893540708500778")

让我们继续启动我们的模型。

In [ ]: 
function run_model( name_model, path_to_folder )
    
    Path = path_to_folder * "/" * name_model * ".engee"
    
    if name_model in [m.name for m in engee.get_all_models()] # Проверка условия загрузки модели в ядро
        model = engee.open( name_model ) # Открыть модель
        model_output = engee.run( model, verbose=true ); # Запустить модель
    else
        model = engee.load( Path, force=true ) # Загрузить модель
        model_output = engee.run( model, verbose=true ); # Запустить модель
        engee.close( name_model, force=true ); # Закрыть модель
    end

    return model_output
end
Out[0]:
run_model (generic function with 1 method)
In [ ]: 
run_model("from_to_workspace", @__DIR__)

Building...
Progress 0%
Progress 0%
Progress 5%
Progress 10%
Progress 15%
Progress 20%
Progress 25%
Progress 30%
Progress 35%
Progress 40%
Progress 45%
Progress 50%
Progress 55%
Progress 60%
Progress 65%
Progress 70%
Progress 75%
Progress 80%
Progress 85%
Progress 90%
Progress 95%
Progress 100%

在输出处，我们还将获得WorkspaceArray结构。 让我们查看它的字段并将它们与输入数据进行比较。

In [ ]: 
dump(out)

WorkspaceArray{Any}
  name: String "out"
  vecsize: Int64 11
  method: Symbol file
  chunks: OrderedCollections.OrderedDict{Int64, Array}
    slots: Array{Int32}((16,)) Int32[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
    keys: Array{Int64}((0,)) Int64[]
    vals: Array{Array}((0,))
    ndel: Int64 0
    maxprobe: Int64 0
    dirty: Bool false
  type: Symbol pair
  range: StepRange{Int64, Int64}
    start: Int64 1
    step: Int64 1
    stop: Int64 11
  parent: Nothing nothing
  time: WorkspaceArray{Any}
    name: String "out"
    vecsize: Int64 11
    method: Symbol file
    chunks: OrderedCollections.OrderedDict{Int64, Array}
      slots: Array{Int32}((16,)) Int32[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
      keys: Array{Int64}((0,)) Int64[]
      vals: Array{Array}((0,))
      ndel: Int64 0
      maxprobe: Int64 0
      dirty: Bool false
    type: Symbol time
    range: StepRange{Int64, Int64}
      start: Int64 1
      step: Int64 1
      stop: Int64 11
    parent: Nothing nothing
    time: ErrorException
      msg: String "WorkspaceArray типа :time не имеет поля time"
    value: ErrorException
      msg: String "WorkspaceArray типа :time не имеет поля value"
  value: WorkspaceArray{Any}
    name: String "out"
    vecsize: Int64 11
    method: Symbol file
    chunks: OrderedCollections.OrderedDict{Int64, Array}
      slots: Array{Int32}((16,)) Int32[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
      keys: Array{Int64}((0,)) Int64[]
      vals: Array{Array}((0,))
      ndel: Int64 0
      maxprobe: Int64 0
      dirty: Bool false
    type: Symbol value
    range: StepRange{Int64, Int64}
      start: Int64 1
      step: Int64 1
      stop: Int64 11
    parent: Nothing nothing
    time: ErrorException
      msg: String "WorkspaceArray типа :value не имеет поля time"
    value: ErrorException
      msg: String "WorkspaceArray типа :value не имеет поля value"
In [ ]: 
data = collect(out)
Out[0]:

11 rows × 2 columns

timevalue
AnyAny
10.01.08801
21.01.10887
32.01.12973
43.00.681743
54.00.233753
65.00.0
76.00.0
87.00.0
98.00.0
109.00.0
1110.00.0
In [ ]: 
using Plots
plot(df.time,df.value) # Входные данные
plot!(data.time,data.value) # Выходные данные
Out[0]:

从比较中我们可以看到，结果，我们提交给模型的数据增加了一倍。

结论

我们已经演示了将数据从工作区传输到模型并返回的选项。 环境的这些功能极大地简化了您与模型的交互。

示例中使用的块