interpolate: 시계열 정렬과 재표본화

foundryts.functions.interpolate(
    before=None, internal=None, after=None, frequency=None,
    rename_columns_by=None, static_column_name=None
)

시계열 하나 이상을 정렬하여 각 입력에 해당하는 값 열을 만드는 함수를 반환합니다. 다른 시계열에만 존재하는 시각의 값을 추정하거나, 지정한 간격의 시각으로 전체 입력을 재표본화할 수 있습니다.

세 보간 구간

각 인수는 전략 String 하나 또는 입력 순서에 대응하는 List[str]를 받습니다. 하나를 지정하면 모든 입력에 같은 전략을 적용합니다.

내부 보간에는 다음 전략을 사용할 수 있습니다.

범주형 시계열에 LINEAR를 적용하면 실패합니다. 범위 바깥인 before와 after에는 NEAREST 또는 NONE만 사용합니다. 외부 NEAREST는 첫 값이나 마지막 값을 사용하고 NONE은 범위를 확장하지 않습니다.

표본 간격과 열 이름

frequency가 없으면 입력에 존재하는 시각을 사용합니다. frequency를 지정하면 그 간격의 시각에만 출력하므로 기존 관측 시각을 모두 유지하면서 점을 추가하는 방식과는 다릅니다.

입력과 반환 형식에는 FunctionNode 또는 NodeCollection이 사용됩니다. 결과 DataFrame은 timestamp와 입력별 값 열을 가질 수 있습니다. timestamp는 pandas.Timestamp, 값은 float 또는 str입니다. 단일/다중 시계열 결과의 열 구조를 받아들일 수 있는 후속 함수에 연결해야 합니다.

가상 입력

from foundryts import NodeCollection
import foundryts.functions as F

series_1 = F.points(
    (1, 1.0), (101, 2.0), (200, 4.0), (201, 8.0),
    name="series-1",
)
series_2 = F.points(
    (2, 11.0), (102, 12.0), (201, 14.0), (202, 18.0),
    name="series-2",
)
collection = NodeCollection(series_1, series_2)

이후 예제의 시각은 Unix epoch 이후 나노초입니다. 숫자 열의 NaN은 결측값을 나타냅니다.

선형 내부 보간

linear = F.interpolate(internal="LINEAR")(collection)
linear_df = linear.to_pandas()

before와 after는 기본 NONE입니다. 두 입력 시각의 합집합에 값을 맞추되 각 시계열 범위 밖은 비워 둡니다.

예를 들어 series-1의 시각 102는 (101, 2.0)과 (200, 4.0) 사이의 직선에서 계산합니다.

다른 내부 전략

nearest = F.interpolate(internal="NEAREST")(collection)
previous = F.interpolate(internal="PREVIOUS")(collection)
next_value = F.interpolate(internal="NEXT")(collection)
no_interpolation = F.interpolate(internal="NONE")(collection)

각 쌍은 해당 시각의 (series-1, series-2) 값입니다.

NONE에서도 다른 입력에 존재하는 시각의 행은 남으며, 없는 값만 해당 열에 NaN으로 표시됩니다.

외부 보간과 입력별 전략

external = F.interpolate(
    before="NEAREST", after="NEAREST"
)(collection)
per_series = F.interpolate(internal=["LINEAR", "NONE"])(collection)
external_df = external.to_pandas()

external은 내부 보간을 기본 NONE으로 둔 채 범위 밖만 채웁니다. per_series는 첫 시계열의 내부에만 LINEAR를 적용합니다.

10나노초 간격으로 재표본화

single_resampled = F.interpolate(
    internal="NEAREST", frequency="10ns"
)(series_1)
multiple_resampled = F.interpolate(
    internal="NEAREST", frequency="10ns"
)(collection)
multiple_df = multiple_resampled.to_pandas()

이 예제의 출력 시각은 10부터 200나노초까지 10나노초 간격입니다. 단일 입력의 결과는 timestamp와 series-1 열이고 다중 입력에는 series-2 열도 있습니다.

보간을 포함한 수식 계산에는 dsl을 사용할 수 있습니다.