함수 기반 시계열 설정

숫자형 시계열을 반환하는 Python 함수와 Quiver가 참조할 태그된 함수 버전을 준비합니다.

라이브러리와 반환 계약

Code Repositories의 Libraries에서 timeseries-sdk를 추가합니다. Prophet 예제에는 Prophet, pandas와 사용할 객체 유형의 생성된 온톨로지 SDK도 필요합니다.

Time series SDK 설치

TimeSeries.serialize에 전달하는 pandas DataFrame은 다음 두 열을 가집니다.

열	자료형과 의미
timestamp	pandas Timestamp
value	int32나 float 등의 숫자

함수는 직렬화된 list[bytes]를 반환합니다. 이 경로는 범주형 출력을 지원하지 않습니다.

다음은 Machine의 숫자형 performance_score를 읽는 함수입니다. 실제 저장소에서 같은 생성 모델과 TSP를 준비하거나 이름을 맞춥니다. 빈 입력은 빈 시계열을 반환하며, 그 밖의 입력에는 유효한 숫자 관측이 최소 두 개 필요합니다. 모델에 전달할 시각은 UTC로 변환한 뒤 시간대 정보를 제거합니다. 출력의 timestamp도 같은 기준을 사용합니다.

import pandas as pd
from functions.api import function
from ontology_sdk.ontology.objects import Machine
from prophet import Prophet
from timeseries_sdk.types import TimeSeries


@function
def performance_prophet_forecast(
    machine: Machine,
    periods: int = 96,
    freq: str = "15min",
) -> list[bytes]:
    dataframe = machine.performance_score.to_pandas(all_time=True)
    if dataframe.empty:
        empty = pd.DataFrame({
            "timestamp": pd.Series(dtype="datetime64[ns]"),
            "value": pd.Series(dtype="float64"),
        })
        return TimeSeries.serialize(empty)

    training = dataframe.rename(
        columns={"timestamp": "ds", "value": "y"}
    )
    training["ds"] = pd.to_datetime(training["ds"], utc=True).dt.tz_localize(None)
    training = training.sort_values("ds")
    model = Prophet().fit(training)
    future = model.make_future_dataframe(
        periods=periods,
        freq=freq,
        include_history=True,
    )
    forecast = model.predict(future)
    output = forecast[["ds", "yhat"]].rename(
        columns={"ds": "timestamp", "yhat": "value"}
    )
    return TimeSeries.serialize(output)