floodmodeller-api 0.4.4__py3-none-any.whl → 0.5.0__py3-none-any.whl

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
Files changed (68) hide show
  1. floodmodeller_api/__init__.py +1 -0
  2. floodmodeller_api/dat.py +117 -96
  3. floodmodeller_api/hydrology_plus/__init__.py +2 -0
  4. floodmodeller_api/hydrology_plus/helper.py +23 -0
  5. floodmodeller_api/hydrology_plus/hydrology_plus_export.py +333 -0
  6. floodmodeller_api/ied.py +93 -90
  7. floodmodeller_api/ief.py +233 -50
  8. floodmodeller_api/ief_flags.py +1 -0
  9. floodmodeller_api/logs/lf.py +5 -1
  10. floodmodeller_api/mapping.py +2 -0
  11. floodmodeller_api/test/test_conveyance.py +23 -32
  12. floodmodeller_api/test/test_data/7082.ief +28 -0
  13. floodmodeller_api/test/test_data/BaseModel_2D_Q100.ief +28 -0
  14. floodmodeller_api/test/test_data/Baseline_unchecked.csv +77 -0
  15. floodmodeller_api/test/test_data/Constant QT.ief +19 -0
  16. floodmodeller_api/test/test_data/Domain1_Q_xml_expected.json +7 -7
  17. floodmodeller_api/test/test_data/EX18_DAT_expected.json +54 -38
  18. floodmodeller_api/test/test_data/EX3_DAT_expected.json +246 -166
  19. floodmodeller_api/test/test_data/EX3_IEF_expected.json +25 -20
  20. floodmodeller_api/test/test_data/EX6_DAT_expected.json +522 -350
  21. floodmodeller_api/test/test_data/FEH boundary.ief +23 -0
  22. floodmodeller_api/test/test_data/Linked1D2D_xml_expected.json +7 -7
  23. floodmodeller_api/test/test_data/P3Panels_UNsteady.ief +25 -0
  24. floodmodeller_api/test/test_data/QT in dat file.ief +20 -0
  25. floodmodeller_api/test/test_data/T10.ief +25 -0
  26. floodmodeller_api/test/test_data/T2.ief +25 -0
  27. floodmodeller_api/test/test_data/T5.ief +25 -0
  28. floodmodeller_api/test/test_data/df_flows_hplus.csv +56 -0
  29. floodmodeller_api/test/test_data/event_hplus.csv +56 -0
  30. floodmodeller_api/test/test_data/ex4.ief +20 -0
  31. floodmodeller_api/test/test_data/ex6.ief +21 -0
  32. floodmodeller_api/test/test_data/example_h+_export.csv +77 -0
  33. floodmodeller_api/test/test_data/hplus_export_example_1.csv +72 -0
  34. floodmodeller_api/test/test_data/hplus_export_example_10.csv +77 -0
  35. floodmodeller_api/test/test_data/hplus_export_example_2.csv +79 -0
  36. floodmodeller_api/test/test_data/hplus_export_example_3.csv +77 -0
  37. floodmodeller_api/test/test_data/hplus_export_example_4.csv +131 -0
  38. floodmodeller_api/test/test_data/hplus_export_example_5.csv +77 -0
  39. floodmodeller_api/test/test_data/hplus_export_example_6.csv +131 -0
  40. floodmodeller_api/test/test_data/hplus_export_example_7.csv +131 -0
  41. floodmodeller_api/test/test_data/hplus_export_example_8.csv +131 -0
  42. floodmodeller_api/test/test_data/hplus_export_example_9.csv +131 -0
  43. floodmodeller_api/test/test_data/network_dat_expected.json +312 -210
  44. floodmodeller_api/test/test_data/network_ied_expected.json +6 -6
  45. floodmodeller_api/test/test_data/network_with_comments.ied +55 -0
  46. floodmodeller_api/test/test_flowtimeprofile.py +133 -0
  47. floodmodeller_api/test/test_hydrology_plus_export.py +210 -0
  48. floodmodeller_api/test/test_ied.py +12 -0
  49. floodmodeller_api/test/test_ief.py +49 -9
  50. floodmodeller_api/test/test_json.py +6 -1
  51. floodmodeller_api/test/test_read_file.py +27 -0
  52. floodmodeller_api/test/test_river.py +169 -0
  53. floodmodeller_api/to_from_json.py +7 -1
  54. floodmodeller_api/tool.py +6 -10
  55. floodmodeller_api/units/__init__.py +11 -1
  56. floodmodeller_api/units/boundaries.py +6 -0
  57. floodmodeller_api/units/conveyance.py +101 -212
  58. floodmodeller_api/units/sections.py +120 -39
  59. floodmodeller_api/util.py +2 -0
  60. floodmodeller_api/version.py +1 -1
  61. floodmodeller_api/xml2d.py +20 -13
  62. floodmodeller_api/xsd_backup.xml +738 -0
  63. {floodmodeller_api-0.4.4.dist-info → floodmodeller_api-0.5.0.dist-info}/METADATA +2 -1
  64. {floodmodeller_api-0.4.4.dist-info → floodmodeller_api-0.5.0.dist-info}/RECORD +68 -34
  65. {floodmodeller_api-0.4.4.dist-info → floodmodeller_api-0.5.0.dist-info}/WHEEL +1 -1
  66. {floodmodeller_api-0.4.4.dist-info → floodmodeller_api-0.5.0.dist-info}/LICENSE.txt +0 -0
  67. {floodmodeller_api-0.4.4.dist-info → floodmodeller_api-0.5.0.dist-info}/entry_points.txt +0 -0
  68. {floodmodeller_api-0.4.4.dist-info → floodmodeller_api-0.5.0.dist-info}/top_level.txt +0 -0
floodmodeller_api/test/test_data/EX3_DAT_expected.json CHANGED
@@ -1,16 +1,16 @@
1
1
  {
2
2
  "API Class": "floodmodeller_api.dat.DAT",
3
- "API Version": "0.4.2.post1",
3
+ "API Version": "0.4.4.post1",
4
4
  "Object Attributes": {
5
- "_filepath": "C:\\Users\\PIERCEJA\\OneDrive - Jacobs\\Documents\\Projects\\Flood Modeller API\\development\\floodmodeller-api\\floodmodeller_api\\test\\test_data\\EX3.DAT",
5
+ "_filepath": "c:\\Users\\PIERCEJA\\OneDrive - Jacobs\\Documents\\Projects\\Flood Modeller API\\development\\floodmodeller-api\\floodmodeller_api\\test\\test_data\\EX3.DAT",
6
6
  "file": {
7
7
  "API Class": "floodmodeller_api.backup.File",
8
8
  "Object Attributes": {
9
- "path": "C:\\Users\\PIERCEJA\\OneDrive - Jacobs\\Documents\\Projects\\Flood Modeller API\\development\\floodmodeller-api\\floodmodeller_api\\test\\test_data\\EX3.DAT",
9
+ "path": "c:\\Users\\PIERCEJA\\OneDrive - Jacobs\\Documents\\Projects\\Flood Modeller API\\development\\floodmodeller-api\\floodmodeller_api\\test\\test_data\\EX3.DAT",
10
10
  "ext": ".DAT",
11
- "dttm_str": "2024-04-17-14-09-24",
12
- "file_id": "6dd613552e26f876b5e10fce1d57888072416947",
13
- "backup_filename": "6dd613552e26f876b5e10fce1d57888072416947_2024-04-17-14-09-24.DAT",
11
+ "dttm_str": "2024-09-10-16-49-49",
12
+ "file_id": "e60b003db05e14a96d1494a6502f03b20838a646",
13
+ "backup_filename": "e60b003db05e14a96d1494a6502f03b20838a646_2024-09-10-16-49-49.DAT",
14
14
  "temp_dir": "C:\\Users\\PIERCEJA\\AppData\\Local\\Temp",
15
15
  "backup_dirname": "floodmodeller_api_backup",
16
16
  "backup_dir": "C:\\Users\\PIERCEJA\\AppData\\Local\\Temp\\floodmodeller_api_backup",
@@ -1215,7 +1215,7 @@
1215
1215
  "slope": 0.0001,
1216
1216
  "density": 1000.0,
1217
1217
  "nrows": 14,
1218
- "data": {
1218
+ "_data": {
1219
1219
  "class": "pandas.DataFrame",
1220
1220
  "object": {
1221
1221
  "X": {
@@ -1379,7 +1379,8 @@
1379
1379
  "13": 0
1380
1380
  }
1381
1381
  }
1382
- }
1382
+ },
1383
+ "_active_data": null
1383
1384
  }
1384
1385
  },
1385
1386
  "m40": {
@@ -1399,7 +1400,7 @@
1399
1400
  "slope": 0.0001,
1400
1401
  "density": 1000.0,
1401
1402
  "nrows": 20,
1402
- "data": {
1403
+ "_data": {
1403
1404
  "class": "pandas.DataFrame",
1404
1405
  "object": {
1405
1406
  "X": {
@@ -1623,7 +1624,8 @@
1623
1624
  "19": 0
1624
1625
  }
1625
1626
  }
1626
- }
1627
+ },
1628
+ "_active_data": null
1627
1629
  }
1628
1630
  },
1629
1631
  "m20": {
@@ -1643,7 +1645,7 @@
1643
1645
  "slope": 0.0001,
1644
1646
  "density": 1000.0,
1645
1647
  "nrows": 17,
1646
- "data": {
1648
+ "_data": {
1647
1649
  "class": "pandas.DataFrame",
1648
1650
  "object": {
1649
1651
  "X": {
@@ -1837,7 +1839,8 @@
1837
1839
  "16": 0
1838
1840
  }
1839
1841
  }
1840
- }
1842
+ },
1843
+ "_active_data": null
1841
1844
  }
1842
1845
  },
1843
1846
  "0": {
@@ -1857,7 +1860,7 @@
1857
1860
  "slope": 0.0001,
1858
1861
  "density": 1000.0,
1859
1862
  "nrows": 12,
1860
- "data": {
1863
+ "_data": {
1861
1864
  "class": "pandas.DataFrame",
1862
1865
  "object": {
1863
1866
  "X": {
@@ -2001,7 +2004,8 @@
2001
2004
  "11": 0
2002
2005
  }
2003
2006
  }
2004
- }
2007
+ },
2008
+ "_active_data": null
2005
2009
  }
2006
2010
  },
2007
2011
  "20": {
@@ -2021,7 +2025,7 @@
2021
2025
  "slope": 0.0001,
2022
2026
  "density": 1000.0,
2023
2027
  "nrows": 12,
2024
- "data": {
2028
+ "_data": {
2025
2029
  "class": "pandas.DataFrame",
2026
2030
  "object": {
2027
2031
  "X": {
@@ -2165,7 +2169,8 @@
2165
2169
  "11": 0
2166
2170
  }
2167
2171
  }
2168
- }
2172
+ },
2173
+ "_active_data": null
2169
2174
  }
2170
2175
  },
2171
2176
  "40": {
@@ -2185,7 +2190,7 @@
2185
2190
  "slope": 0.0001,
2186
2191
  "density": 1000.0,
2187
2192
  "nrows": 14,
2188
- "data": {
2193
+ "_data": {
2189
2194
  "class": "pandas.DataFrame",
2190
2195
  "object": {
2191
2196
  "X": {
@@ -2349,7 +2354,8 @@
2349
2354
  "13": 0
2350
2355
  }
2351
2356
  }
2352
- }
2357
+ },
2358
+ "_active_data": null
2353
2359
  }
2354
2360
  },
2355
2361
  "60": {
@@ -2369,7 +2375,7 @@
2369
2375
  "slope": 0.0001,
2370
2376
  "density": 1000.0,
2371
2377
  "nrows": 13,
2372
- "data": {
2378
+ "_data": {
2373
2379
  "class": "pandas.DataFrame",
2374
2380
  "object": {
2375
2381
  "X": {
@@ -2523,7 +2529,8 @@
2523
2529
  "12": 0
2524
2530
  }
2525
2531
  }
2526
- }
2532
+ },
2533
+ "_active_data": null
2527
2534
  }
2528
2535
  },
2529
2536
  "80": {
@@ -2543,7 +2550,7 @@
2543
2550
  "slope": 0.0001,
2544
2551
  "density": 1000.0,
2545
2552
  "nrows": 15,
2546
- "data": {
2553
+ "_data": {
2547
2554
  "class": "pandas.DataFrame",
2548
2555
  "object": {
2549
2556
  "X": {
@@ -2717,7 +2724,8 @@
2717
2724
  "14": 0
2718
2725
  }
2719
2726
  }
2720
- }
2727
+ },
2728
+ "_active_data": null
2721
2729
  }
2722
2730
  },
2723
2731
  "BRIDU": {
@@ -2737,7 +2745,7 @@
2737
2745
  "slope": 0.0001,
2738
2746
  "density": 1000.0,
2739
2747
  "nrows": 15,
2740
- "data": {
2748
+ "_data": {
2741
2749
  "class": "pandas.DataFrame",
2742
2750
  "object": {
2743
2751
  "X": {
@@ -2911,7 +2919,8 @@
2911
2919
  "14": 0
2912
2920
  }
2913
2921
  }
2914
- }
2922
+ },
2923
+ "_active_data": null
2915
2924
  }
2916
2925
  },
2917
2926
  "BRIDD": {
@@ -2931,7 +2940,7 @@
2931
2940
  "slope": 0.0001,
2932
2941
  "density": 1000.0,
2933
2942
  "nrows": 15,
2934
- "data": {
2943
+ "_data": {
2935
2944
  "class": "pandas.DataFrame",
2936
2945
  "object": {
2937
2946
  "X": {
@@ -3105,7 +3114,8 @@
3105
3114
  "14": 0
3106
3115
  }
3107
3116
  }
3108
- }
3117
+ },
3118
+ "_active_data": null
3109
3119
  }
3110
3120
  },
3111
3121
  "120": {
@@ -3125,7 +3135,7 @@
3125
3135
  "slope": 0.0001,
3126
3136
  "density": 1000.0,
3127
3137
  "nrows": 14,
3128
- "data": {
3138
+ "_data": {
3129
3139
  "class": "pandas.DataFrame",
3130
3140
  "object": {
3131
3141
  "X": {
@@ -3289,7 +3299,8 @@
3289
3299
  "13": 0
3290
3300
  }
3291
3301
  }
3292
- }
3302
+ },
3303
+ "_active_data": null
3293
3304
  }
3294
3305
  },
3295
3306
  "140": {
@@ -3309,7 +3320,7 @@
3309
3320
  "slope": 0.0001,
3310
3321
  "density": 1000.0,
3311
3322
  "nrows": 13,
3312
- "data": {
3323
+ "_data": {
3313
3324
  "class": "pandas.DataFrame",
3314
3325
  "object": {
3315
3326
  "X": {
@@ -3463,7 +3474,8 @@
3463
3474
  "12": 0
3464
3475
  }
3465
3476
  }
3466
- }
3477
+ },
3478
+ "_active_data": null
3467
3479
  }
3468
3480
  },
3469
3481
  "160": {
@@ -3483,7 +3495,7 @@
3483
3495
  "slope": 0.0001,
3484
3496
  "density": 1000.0,
3485
3497
  "nrows": 12,
3486
- "data": {
3498
+ "_data": {
3487
3499
  "class": "pandas.DataFrame",
3488
3500
  "object": {
3489
3501
  "X": {
@@ -3627,7 +3639,8 @@
3627
3639
  "11": 0
3628
3640
  }
3629
3641
  }
3630
- }
3642
+ },
3643
+ "_active_data": null
3631
3644
  }
3632
3645
  },
3633
3646
  "180": {
@@ -3647,7 +3660,7 @@
3647
3660
  "slope": 0.0001,
3648
3661
  "density": 1000.0,
3649
3662
  "nrows": 10,
3650
- "data": {
3663
+ "_data": {
3651
3664
  "class": "pandas.DataFrame",
3652
3665
  "object": {
3653
3666
  "X": {
@@ -3771,7 +3784,8 @@
3771
3784
  "9": 0
3772
3785
  }
3773
3786
  }
3774
- }
3787
+ },
3788
+ "_active_data": null
3775
3789
  }
3776
3790
  },
3777
3791
  "200": {
@@ -3791,7 +3805,7 @@
3791
3805
  "slope": 0.0001,
3792
3806
  "density": 1000.0,
3793
3807
  "nrows": 10,
3794
- "data": {
3808
+ "_data": {
3795
3809
  "class": "pandas.DataFrame",
3796
3810
  "object": {
3797
3811
  "X": {
@@ -3915,7 +3929,8 @@
3915
3929
  "9": 0
3916
3930
  }
3917
3931
  }
3918
- }
3932
+ },
3933
+ "_active_data": null
3919
3934
  }
3920
3935
  },
3921
3936
  "220": {
@@ -3935,7 +3950,7 @@
3935
3950
  "slope": 0.0001,
3936
3951
  "density": 1000.0,
3937
3952
  "nrows": 10,
3938
- "data": {
3953
+ "_data": {
3939
3954
  "class": "pandas.DataFrame",
3940
3955
  "object": {
3941
3956
  "X": {
@@ -4059,7 +4074,8 @@
4059
4074
  "9": 0
4060
4075
  }
4061
4076
  }
4062
- }
4077
+ },
4078
+ "_active_data": null
4063
4079
  }
4064
4080
  },
4065
4081
  "240": {
@@ -4079,7 +4095,7 @@
4079
4095
  "slope": 0.0001,
4080
4096
  "density": 1000.0,
4081
4097
  "nrows": 12,
4082
- "data": {
4098
+ "_data": {
4083
4099
  "class": "pandas.DataFrame",
4084
4100
  "object": {
4085
4101
  "X": {
@@ -4223,7 +4239,8 @@
4223
4239
  "11": 0
4224
4240
  }
4225
4241
  }
4226
- }
4242
+ },
4243
+ "_active_data": null
4227
4244
  }
4228
4245
  },
4229
4246
  "260": {
@@ -4243,7 +4260,7 @@
4243
4260
  "slope": 0.0001,
4244
4261
  "density": 1000.0,
4245
4262
  "nrows": 12,
4246
- "data": {
4263
+ "_data": {
4247
4264
  "class": "pandas.DataFrame",
4248
4265
  "object": {
4249
4266
  "X": {
@@ -4387,7 +4404,8 @@
4387
4404
  "11": 0
4388
4405
  }
4389
4406
  }
4390
- }
4407
+ },
4408
+ "_active_data": null
4391
4409
  }
4392
4410
  },
4393
4411
  "280": {
@@ -4407,7 +4425,7 @@
4407
4425
  "slope": 0.0001,
4408
4426
  "density": 1000.0,
4409
4427
  "nrows": 14,
4410
- "data": {
4428
+ "_data": {
4411
4429
  "class": "pandas.DataFrame",
4412
4430
  "object": {
4413
4431
  "X": {
@@ -4571,7 +4589,8 @@
4571
4589
  "13": 0
4572
4590
  }
4573
4591
  }
4574
- }
4592
+ },
4593
+ "_active_data": null
4575
4594
  }
4576
4595
  },
4577
4596
  "300": {
@@ -4591,7 +4610,7 @@
4591
4610
  "slope": 0.0001,
4592
4611
  "density": 1000.0,
4593
4612
  "nrows": 14,
4594
- "data": {
4613
+ "_data": {
4595
4614
  "class": "pandas.DataFrame",
4596
4615
  "object": {
4597
4616
  "X": {
@@ -4755,7 +4774,8 @@
4755
4774
  "13": 0
4756
4775
  }
4757
4776
  }
4758
- }
4777
+ },
4778
+ "_active_data": null
4759
4779
  }
4760
4780
  },
4761
4781
  "320": {
@@ -4775,7 +4795,7 @@
4775
4795
  "slope": 0.0001,
4776
4796
  "density": 1000.0,
4777
4797
  "nrows": 14,
4778
- "data": {
4798
+ "_data": {
4779
4799
  "class": "pandas.DataFrame",
4780
4800
  "object": {
4781
4801
  "X": {
@@ -4939,7 +4959,8 @@
4939
4959
  "13": 0
4940
4960
  }
4941
4961
  }
4942
- }
4962
+ },
4963
+ "_active_data": null
4943
4964
  }
4944
4965
  },
4945
4966
  "340": {
@@ -4959,7 +4980,7 @@
4959
4980
  "slope": 0.0001,
4960
4981
  "density": 1000.0,
4961
4982
  "nrows": 13,
4962
- "data": {
4983
+ "_data": {
4963
4984
  "class": "pandas.DataFrame",
4964
4985
  "object": {
4965
4986
  "X": {
@@ -5113,7 +5134,8 @@
5113
5134
  "12": 0
5114
5135
  }
5115
5136
  }
5116
- }
5137
+ },
5138
+ "_active_data": null
5117
5139
  }
5118
5140
  },
5119
5141
  "360": {
@@ -5133,7 +5155,7 @@
5133
5155
  "slope": 0.0001,
5134
5156
  "density": 1000.0,
5135
5157
  "nrows": 12,
5136
- "data": {
5158
+ "_data": {
5137
5159
  "class": "pandas.DataFrame",
5138
5160
  "object": {
5139
5161
  "X": {
@@ -5277,7 +5299,8 @@
5277
5299
  "11": 0
5278
5300
  }
5279
5301
  }
5280
- }
5302
+ },
5303
+ "_active_data": null
5281
5304
  }
5282
5305
  },
5283
5306
  "380": {
@@ -5297,7 +5320,7 @@
5297
5320
  "slope": 0.0001,
5298
5321
  "density": 1000.0,
5299
5322
  "nrows": 11,
5300
- "data": {
5323
+ "_data": {
5301
5324
  "class": "pandas.DataFrame",
5302
5325
  "object": {
5303
5326
  "X": {
@@ -5431,7 +5454,8 @@
5431
5454
  "10": 0
5432
5455
  }
5433
5456
  }
5434
- }
5457
+ },
5458
+ "_active_data": null
5435
5459
  }
5436
5460
  },
5437
5461
  "400": {
@@ -5451,7 +5475,7 @@
5451
5475
  "slope": 0.0001,
5452
5476
  "density": 1000.0,
5453
5477
  "nrows": 10,
5454
- "data": {
5478
+ "_data": {
5455
5479
  "class": "pandas.DataFrame",
5456
5480
  "object": {
5457
5481
  "X": {
@@ -5575,7 +5599,8 @@
5575
5599
  "9": 0
5576
5600
  }
5577
5601
  }
5578
- }
5602
+ },
5603
+ "_active_data": null
5579
5604
  }
5580
5605
  },
5581
5606
  "420": {
@@ -5595,7 +5620,7 @@
5595
5620
  "slope": 0.0001,
5596
5621
  "density": 1000.0,
5597
5622
  "nrows": 11,
5598
- "data": {
5623
+ "_data": {
5599
5624
  "class": "pandas.DataFrame",
5600
5625
  "object": {
5601
5626
  "X": {
@@ -5729,7 +5754,8 @@
5729
5754
  "10": 0
5730
5755
  }
5731
5756
  }
5732
- }
5757
+ },
5758
+ "_active_data": null
5733
5759
  }
5734
5760
  },
5735
5761
  "440": {
@@ -5749,7 +5775,7 @@
5749
5775
  "slope": 0.0001,
5750
5776
  "density": 1000.0,
5751
5777
  "nrows": 12,
5752
- "data": {
5778
+ "_data": {
5753
5779
  "class": "pandas.DataFrame",
5754
5780
  "object": {
5755
5781
  "X": {
@@ -5893,7 +5919,8 @@
5893
5919
  "11": 0
5894
5920
  }
5895
5921
  }
5896
- }
5922
+ },
5923
+ "_active_data": null
5897
5924
  }
5898
5925
  },
5899
5926
  "460": {
@@ -5913,7 +5940,7 @@
5913
5940
  "slope": 0.0001,
5914
5941
  "density": 1000.0,
5915
5942
  "nrows": 16,
5916
- "data": {
5943
+ "_data": {
5917
5944
  "class": "pandas.DataFrame",
5918
5945
  "object": {
5919
5946
  "X": {
@@ -6097,7 +6124,8 @@
6097
6124
  "15": 0
6098
6125
  }
6099
6126
  }
6100
- }
6127
+ },
6128
+ "_active_data": null
6101
6129
  }
6102
6130
  },
6103
6131
  "480": {
@@ -6117,7 +6145,7 @@
6117
6145
  "slope": 0.0001,
6118
6146
  "density": 1000.0,
6119
6147
  "nrows": 18,
6120
- "data": {
6148
+ "_data": {
6121
6149
  "class": "pandas.DataFrame",
6122
6150
  "object": {
6123
6151
  "X": {
@@ -6321,7 +6349,8 @@
6321
6349
  "17": 0
6322
6350
  }
6323
6351
  }
6324
- }
6352
+ },
6353
+ "_active_data": null
6325
6354
  }
6326
6355
  },
6327
6356
  "500": {
@@ -6341,7 +6370,7 @@
6341
6370
  "slope": 0.0001,
6342
6371
  "density": 1000.0,
6343
6372
  "nrows": 16,
6344
- "data": {
6373
+ "_data": {
6345
6374
  "class": "pandas.DataFrame",
6346
6375
  "object": {
6347
6376
  "X": {
@@ -6525,7 +6554,8 @@
6525
6554
  "15": 0
6526
6555
  }
6527
6556
  }
6528
- }
6557
+ },
6558
+ "_active_data": null
6529
6559
  }
6530
6560
  },
6531
6561
  "520": {
@@ -6545,7 +6575,7 @@
6545
6575
  "slope": 0.0001,
6546
6576
  "density": 1000.0,
6547
6577
  "nrows": 16,
6548
- "data": {
6578
+ "_data": {
6549
6579
  "class": "pandas.DataFrame",
6550
6580
  "object": {
6551
6581
  "X": {
@@ -6729,7 +6759,8 @@
6729
6759
  "15": 0
6730
6760
  }
6731
6761
  }
6732
- }
6762
+ },
6763
+ "_active_data": null
6733
6764
  }
6734
6765
  },
6735
6766
  "540": {
@@ -6749,7 +6780,7 @@
6749
6780
  "slope": 0.0001,
6750
6781
  "density": 1000.0,
6751
6782
  "nrows": 13,
6752
- "data": {
6783
+ "_data": {
6753
6784
  "class": "pandas.DataFrame",
6754
6785
  "object": {
6755
6786
  "X": {
@@ -6903,7 +6934,8 @@
6903
6934
  "12": 0
6904
6935
  }
6905
6936
  }
6906
- }
6937
+ },
6938
+ "_active_data": null
6907
6939
  }
6908
6940
  },
6909
6941
  "560": {
@@ -6923,7 +6955,7 @@
6923
6955
  "slope": 0.0001,
6924
6956
  "density": 1000.0,
6925
6957
  "nrows": 12,
6926
- "data": {
6958
+ "_data": {
6927
6959
  "class": "pandas.DataFrame",
6928
6960
  "object": {
6929
6961
  "X": {
@@ -7067,7 +7099,8 @@
7067
7099
  "11": 0
7068
7100
  }
7069
7101
  }
7070
- }
7102
+ },
7103
+ "_active_data": null
7071
7104
  }
7072
7105
  },
7073
7106
  "580": {
@@ -7087,7 +7120,7 @@
7087
7120
  "slope": 0.0001,
7088
7121
  "density": 1000.0,
7089
7122
  "nrows": 11,
7090
- "data": {
7123
+ "_data": {
7091
7124
  "class": "pandas.DataFrame",
7092
7125
  "object": {
7093
7126
  "X": {
@@ -7221,7 +7254,8 @@
7221
7254
  "10": 0
7222
7255
  }
7223
7256
  }
7224
- }
7257
+ },
7258
+ "_active_data": null
7225
7259
  }
7226
7260
  },
7227
7261
  "600": {
@@ -7241,7 +7275,7 @@
7241
7275
  "slope": 0.0001,
7242
7276
  "density": 1000.0,
7243
7277
  "nrows": 10,
7244
- "data": {
7278
+ "_data": {
7245
7279
  "class": "pandas.DataFrame",
7246
7280
  "object": {
7247
7281
  "X": {
@@ -7365,7 +7399,8 @@
7365
7399
  "9": 0
7366
7400
  }
7367
7401
  }
7368
- }
7402
+ },
7403
+ "_active_data": null
7369
7404
  }
7370
7405
  },
7371
7406
  "620": {
@@ -7385,7 +7420,7 @@
7385
7420
  "slope": 0.0001,
7386
7421
  "density": 1000.0,
7387
7422
  "nrows": 10,
7388
- "data": {
7423
+ "_data": {
7389
7424
  "class": "pandas.DataFrame",
7390
7425
  "object": {
7391
7426
  "X": {
@@ -7509,7 +7544,8 @@
7509
7544
  "9": 0
7510
7545
  }
7511
7546
  }
7512
- }
7547
+ },
7548
+ "_active_data": null
7513
7549
  }
7514
7550
  },
7515
7551
  "640": {
@@ -7529,7 +7565,7 @@
7529
7565
  "slope": 0.0001,
7530
7566
  "density": 1000.0,
7531
7567
  "nrows": 18,
7532
- "data": {
7568
+ "_data": {
7533
7569
  "class": "pandas.DataFrame",
7534
7570
  "object": {
7535
7571
  "X": {
@@ -7733,7 +7769,8 @@
7733
7769
  "17": 0
7734
7770
  }
7735
7771
  }
7736
- }
7772
+ },
7773
+ "_active_data": null
7737
7774
  }
7738
7775
  },
7739
7776
  "660": {
@@ -7753,7 +7790,7 @@
7753
7790
  "slope": 0.0001,
7754
7791
  "density": 1000.0,
7755
7792
  "nrows": 18,
7756
- "data": {
7793
+ "_data": {
7757
7794
  "class": "pandas.DataFrame",
7758
7795
  "object": {
7759
7796
  "X": {
@@ -7957,7 +7994,8 @@
7957
7994
  "17": 0
7958
7995
  }
7959
7996
  }
7960
- }
7997
+ },
7998
+ "_active_data": null
7961
7999
  }
7962
8000
  },
7963
8001
  "680": {
@@ -7977,7 +8015,7 @@
7977
8015
  "slope": 0.0001,
7978
8016
  "density": 1000.0,
7979
8017
  "nrows": 15,
7980
- "data": {
8018
+ "_data": {
7981
8019
  "class": "pandas.DataFrame",
7982
8020
  "object": {
7983
8021
  "X": {
@@ -8151,7 +8189,8 @@
8151
8189
  "14": 0
8152
8190
  }
8153
8191
  }
8154
- }
8192
+ },
8193
+ "_active_data": null
8155
8194
  }
8156
8195
  },
8157
8196
  "700": {
@@ -8171,7 +8210,7 @@
8171
8210
  "slope": 0.0001,
8172
8211
  "density": 1000.0,
8173
8212
  "nrows": 14,
8174
- "data": {
8213
+ "_data": {
8175
8214
  "class": "pandas.DataFrame",
8176
8215
  "object": {
8177
8216
  "X": {
@@ -8335,7 +8374,8 @@
8335
8374
  "13": 0
8336
8375
  }
8337
8376
  }
8338
- }
8377
+ },
8378
+ "_active_data": null
8339
8379
  }
8340
8380
  }
8341
8381
  },
@@ -8590,7 +8630,7 @@
8590
8630
  "slope": 0.0001,
8591
8631
  "density": 1000.0,
8592
8632
  "nrows": 14,
8593
- "data": {
8633
+ "_data": {
8594
8634
  "class": "pandas.DataFrame",
8595
8635
  "object": {
8596
8636
  "X": {
@@ -8754,7 +8794,8 @@
8754
8794
  "13": 0
8755
8795
  }
8756
8796
  }
8757
- }
8797
+ },
8798
+ "_active_data": null
8758
8799
  }
8759
8800
  },
8760
8801
  {
@@ -8774,7 +8815,7 @@
8774
8815
  "slope": 0.0001,
8775
8816
  "density": 1000.0,
8776
8817
  "nrows": 20,
8777
- "data": {
8818
+ "_data": {
8778
8819
  "class": "pandas.DataFrame",
8779
8820
  "object": {
8780
8821
  "X": {
@@ -8998,7 +9039,8 @@
8998
9039
  "19": 0
8999
9040
  }
9000
9041
  }
9001
- }
9042
+ },
9043
+ "_active_data": null
9002
9044
  }
9003
9045
  },
9004
9046
  {
@@ -9018,7 +9060,7 @@
9018
9060
  "slope": 0.0001,
9019
9061
  "density": 1000.0,
9020
9062
  "nrows": 17,
9021
- "data": {
9063
+ "_data": {
9022
9064
  "class": "pandas.DataFrame",
9023
9065
  "object": {
9024
9066
  "X": {
@@ -9212,7 +9254,8 @@
9212
9254
  "16": 0
9213
9255
  }
9214
9256
  }
9215
- }
9257
+ },
9258
+ "_active_data": null
9216
9259
  }
9217
9260
  },
9218
9261
  {
@@ -9232,7 +9275,7 @@
9232
9275
  "slope": 0.0001,
9233
9276
  "density": 1000.0,
9234
9277
  "nrows": 12,
9235
- "data": {
9278
+ "_data": {
9236
9279
  "class": "pandas.DataFrame",
9237
9280
  "object": {
9238
9281
  "X": {
@@ -9376,7 +9419,8 @@
9376
9419
  "11": 0
9377
9420
  }
9378
9421
  }
9379
- }
9422
+ },
9423
+ "_active_data": null
9380
9424
  }
9381
9425
  },
9382
9426
  {
@@ -9396,7 +9440,7 @@
9396
9440
  "slope": 0.0001,
9397
9441
  "density": 1000.0,
9398
9442
  "nrows": 12,
9399
- "data": {
9443
+ "_data": {
9400
9444
  "class": "pandas.DataFrame",
9401
9445
  "object": {
9402
9446
  "X": {
@@ -9540,7 +9584,8 @@
9540
9584
  "11": 0
9541
9585
  }
9542
9586
  }
9543
- }
9587
+ },
9588
+ "_active_data": null
9544
9589
  }
9545
9590
  },
9546
9591
  {
@@ -9560,7 +9605,7 @@
9560
9605
  "slope": 0.0001,
9561
9606
  "density": 1000.0,
9562
9607
  "nrows": 14,
9563
- "data": {
9608
+ "_data": {
9564
9609
  "class": "pandas.DataFrame",
9565
9610
  "object": {
9566
9611
  "X": {
@@ -9724,7 +9769,8 @@
9724
9769
  "13": 0
9725
9770
  }
9726
9771
  }
9727
- }
9772
+ },
9773
+ "_active_data": null
9728
9774
  }
9729
9775
  },
9730
9776
  {
@@ -9744,7 +9790,7 @@
9744
9790
  "slope": 0.0001,
9745
9791
  "density": 1000.0,
9746
9792
  "nrows": 13,
9747
- "data": {
9793
+ "_data": {
9748
9794
  "class": "pandas.DataFrame",
9749
9795
  "object": {
9750
9796
  "X": {
@@ -9898,7 +9944,8 @@
9898
9944
  "12": 0
9899
9945
  }
9900
9946
  }
9901
- }
9947
+ },
9948
+ "_active_data": null
9902
9949
  }
9903
9950
  },
9904
9951
  {
@@ -9918,7 +9965,7 @@
9918
9965
  "slope": 0.0001,
9919
9966
  "density": 1000.0,
9920
9967
  "nrows": 15,
9921
- "data": {
9968
+ "_data": {
9922
9969
  "class": "pandas.DataFrame",
9923
9970
  "object": {
9924
9971
  "X": {
@@ -10092,7 +10139,8 @@
10092
10139
  "14": 0
10093
10140
  }
10094
10141
  }
10095
- }
10142
+ },
10143
+ "_active_data": null
10096
10144
  }
10097
10145
  },
10098
10146
  {
@@ -10112,7 +10160,7 @@
10112
10160
  "slope": 0.0001,
10113
10161
  "density": 1000.0,
10114
10162
  "nrows": 15,
10115
- "data": {
10163
+ "_data": {
10116
10164
  "class": "pandas.DataFrame",
10117
10165
  "object": {
10118
10166
  "X": {
@@ -10286,7 +10334,8 @@
10286
10334
  "14": 0
10287
10335
  }
10288
10336
  }
10289
- }
10337
+ },
10338
+ "_active_data": null
10290
10339
  }
10291
10340
  },
10292
10341
  {
@@ -10414,7 +10463,7 @@
10414
10463
  "slope": 0.0001,
10415
10464
  "density": 1000.0,
10416
10465
  "nrows": 15,
10417
- "data": {
10466
+ "_data": {
10418
10467
  "class": "pandas.DataFrame",
10419
10468
  "object": {
10420
10469
  "X": {
@@ -10588,7 +10637,8 @@
10588
10637
  "14": 0
10589
10638
  }
10590
10639
  }
10591
- }
10640
+ },
10641
+ "_active_data": null
10592
10642
  }
10593
10643
  },
10594
10644
  {
@@ -10608,7 +10658,7 @@
10608
10658
  "slope": 0.0001,
10609
10659
  "density": 1000.0,
10610
10660
  "nrows": 14,
10611
- "data": {
10661
+ "_data": {
10612
10662
  "class": "pandas.DataFrame",
10613
10663
  "object": {
10614
10664
  "X": {
@@ -10772,7 +10822,8 @@
10772
10822
  "13": 0
10773
10823
  }
10774
10824
  }
10775
- }
10825
+ },
10826
+ "_active_data": null
10776
10827
  }
10777
10828
  },
10778
10829
  {
@@ -10792,7 +10843,7 @@
10792
10843
  "slope": 0.0001,
10793
10844
  "density": 1000.0,
10794
10845
  "nrows": 13,
10795
- "data": {
10846
+ "_data": {
10796
10847
  "class": "pandas.DataFrame",
10797
10848
  "object": {
10798
10849
  "X": {
@@ -10946,7 +10997,8 @@
10946
10997
  "12": 0
10947
10998
  }
10948
10999
  }
10949
- }
11000
+ },
11001
+ "_active_data": null
10950
11002
  }
10951
11003
  },
10952
11004
  {
@@ -10966,7 +11018,7 @@
10966
11018
  "slope": 0.0001,
10967
11019
  "density": 1000.0,
10968
11020
  "nrows": 12,
10969
- "data": {
11021
+ "_data": {
10970
11022
  "class": "pandas.DataFrame",
10971
11023
  "object": {
10972
11024
  "X": {
@@ -11110,7 +11162,8 @@
11110
11162
  "11": 0
11111
11163
  }
11112
11164
  }
11113
- }
11165
+ },
11166
+ "_active_data": null
11114
11167
  }
11115
11168
  },
11116
11169
  {
@@ -11130,7 +11183,7 @@
11130
11183
  "slope": 0.0001,
11131
11184
  "density": 1000.0,
11132
11185
  "nrows": 10,
11133
- "data": {
11186
+ "_data": {
11134
11187
  "class": "pandas.DataFrame",
11135
11188
  "object": {
11136
11189
  "X": {
@@ -11254,7 +11307,8 @@
11254
11307
  "9": 0
11255
11308
  }
11256
11309
  }
11257
- }
11310
+ },
11311
+ "_active_data": null
11258
11312
  }
11259
11313
  },
11260
11314
  {
@@ -11274,7 +11328,7 @@
11274
11328
  "slope": 0.0001,
11275
11329
  "density": 1000.0,
11276
11330
  "nrows": 10,
11277
- "data": {
11331
+ "_data": {
11278
11332
  "class": "pandas.DataFrame",
11279
11333
  "object": {
11280
11334
  "X": {
@@ -11398,7 +11452,8 @@
11398
11452
  "9": 0
11399
11453
  }
11400
11454
  }
11401
- }
11455
+ },
11456
+ "_active_data": null
11402
11457
  }
11403
11458
  },
11404
11459
  {
@@ -11418,7 +11473,7 @@
11418
11473
  "slope": 0.0001,
11419
11474
  "density": 1000.0,
11420
11475
  "nrows": 10,
11421
- "data": {
11476
+ "_data": {
11422
11477
  "class": "pandas.DataFrame",
11423
11478
  "object": {
11424
11479
  "X": {
@@ -11542,7 +11597,8 @@
11542
11597
  "9": 0
11543
11598
  }
11544
11599
  }
11545
- }
11600
+ },
11601
+ "_active_data": null
11546
11602
  }
11547
11603
  },
11548
11604
  {
@@ -11562,7 +11618,7 @@
11562
11618
  "slope": 0.0001,
11563
11619
  "density": 1000.0,
11564
11620
  "nrows": 12,
11565
- "data": {
11621
+ "_data": {
11566
11622
  "class": "pandas.DataFrame",
11567
11623
  "object": {
11568
11624
  "X": {
@@ -11706,7 +11762,8 @@
11706
11762
  "11": 0
11707
11763
  }
11708
11764
  }
11709
- }
11765
+ },
11766
+ "_active_data": null
11710
11767
  }
11711
11768
  },
11712
11769
  {
@@ -11726,7 +11783,7 @@
11726
11783
  "slope": 0.0001,
11727
11784
  "density": 1000.0,
11728
11785
  "nrows": 12,
11729
- "data": {
11786
+ "_data": {
11730
11787
  "class": "pandas.DataFrame",
11731
11788
  "object": {
11732
11789
  "X": {
@@ -11870,7 +11927,8 @@
11870
11927
  "11": 0
11871
11928
  }
11872
11929
  }
11873
- }
11930
+ },
11931
+ "_active_data": null
11874
11932
  }
11875
11933
  },
11876
11934
  {
@@ -11890,7 +11948,7 @@
11890
11948
  "slope": 0.0001,
11891
11949
  "density": 1000.0,
11892
11950
  "nrows": 14,
11893
- "data": {
11951
+ "_data": {
11894
11952
  "class": "pandas.DataFrame",
11895
11953
  "object": {
11896
11954
  "X": {
@@ -12054,7 +12112,8 @@
12054
12112
  "13": 0
12055
12113
  }
12056
12114
  }
12057
- }
12115
+ },
12116
+ "_active_data": null
12058
12117
  }
12059
12118
  },
12060
12119
  {
@@ -12074,7 +12133,7 @@
12074
12133
  "slope": 0.0001,
12075
12134
  "density": 1000.0,
12076
12135
  "nrows": 14,
12077
- "data": {
12136
+ "_data": {
12078
12137
  "class": "pandas.DataFrame",
12079
12138
  "object": {
12080
12139
  "X": {
@@ -12238,7 +12297,8 @@
12238
12297
  "13": 0
12239
12298
  }
12240
12299
  }
12241
- }
12300
+ },
12301
+ "_active_data": null
12242
12302
  }
12243
12303
  },
12244
12304
  {
@@ -12258,7 +12318,7 @@
12258
12318
  "slope": 0.0001,
12259
12319
  "density": 1000.0,
12260
12320
  "nrows": 14,
12261
- "data": {
12321
+ "_data": {
12262
12322
  "class": "pandas.DataFrame",
12263
12323
  "object": {
12264
12324
  "X": {
@@ -12422,7 +12482,8 @@
12422
12482
  "13": 0
12423
12483
  }
12424
12484
  }
12425
- }
12485
+ },
12486
+ "_active_data": null
12426
12487
  }
12427
12488
  },
12428
12489
  {
@@ -12442,7 +12503,7 @@
12442
12503
  "slope": 0.0001,
12443
12504
  "density": 1000.0,
12444
12505
  "nrows": 13,
12445
- "data": {
12506
+ "_data": {
12446
12507
  "class": "pandas.DataFrame",
12447
12508
  "object": {
12448
12509
  "X": {
@@ -12596,7 +12657,8 @@
12596
12657
  "12": 0
12597
12658
  }
12598
12659
  }
12599
- }
12660
+ },
12661
+ "_active_data": null
12600
12662
  }
12601
12663
  },
12602
12664
  {
@@ -12616,7 +12678,7 @@
12616
12678
  "slope": 0.0001,
12617
12679
  "density": 1000.0,
12618
12680
  "nrows": 12,
12619
- "data": {
12681
+ "_data": {
12620
12682
  "class": "pandas.DataFrame",
12621
12683
  "object": {
12622
12684
  "X": {
@@ -12760,7 +12822,8 @@
12760
12822
  "11": 0
12761
12823
  }
12762
12824
  }
12763
- }
12825
+ },
12826
+ "_active_data": null
12764
12827
  }
12765
12828
  },
12766
12829
  {
@@ -12780,7 +12843,7 @@
12780
12843
  "slope": 0.0001,
12781
12844
  "density": 1000.0,
12782
12845
  "nrows": 11,
12783
- "data": {
12846
+ "_data": {
12784
12847
  "class": "pandas.DataFrame",
12785
12848
  "object": {
12786
12849
  "X": {
@@ -12914,7 +12977,8 @@
12914
12977
  "10": 0
12915
12978
  }
12916
12979
  }
12917
- }
12980
+ },
12981
+ "_active_data": null
12918
12982
  }
12919
12983
  },
12920
12984
  {
@@ -12934,7 +12998,7 @@
12934
12998
  "slope": 0.0001,
12935
12999
  "density": 1000.0,
12936
13000
  "nrows": 10,
12937
- "data": {
13001
+ "_data": {
12938
13002
  "class": "pandas.DataFrame",
12939
13003
  "object": {
12940
13004
  "X": {
@@ -13058,7 +13122,8 @@
13058
13122
  "9": 0
13059
13123
  }
13060
13124
  }
13061
- }
13125
+ },
13126
+ "_active_data": null
13062
13127
  }
13063
13128
  },
13064
13129
  {
@@ -13078,7 +13143,7 @@
13078
13143
  "slope": 0.0001,
13079
13144
  "density": 1000.0,
13080
13145
  "nrows": 11,
13081
- "data": {
13146
+ "_data": {
13082
13147
  "class": "pandas.DataFrame",
13083
13148
  "object": {
13084
13149
  "X": {
@@ -13212,7 +13277,8 @@
13212
13277
  "10": 0
13213
13278
  }
13214
13279
  }
13215
- }
13280
+ },
13281
+ "_active_data": null
13216
13282
  }
13217
13283
  },
13218
13284
  {
@@ -13232,7 +13298,7 @@
13232
13298
  "slope": 0.0001,
13233
13299
  "density": 1000.0,
13234
13300
  "nrows": 12,
13235
- "data": {
13301
+ "_data": {
13236
13302
  "class": "pandas.DataFrame",
13237
13303
  "object": {
13238
13304
  "X": {
@@ -13376,7 +13442,8 @@
13376
13442
  "11": 0
13377
13443
  }
13378
13444
  }
13379
- }
13445
+ },
13446
+ "_active_data": null
13380
13447
  }
13381
13448
  },
13382
13449
  {
@@ -13396,7 +13463,7 @@
13396
13463
  "slope": 0.0001,
13397
13464
  "density": 1000.0,
13398
13465
  "nrows": 16,
13399
- "data": {
13466
+ "_data": {
13400
13467
  "class": "pandas.DataFrame",
13401
13468
  "object": {
13402
13469
  "X": {
@@ -13580,7 +13647,8 @@
13580
13647
  "15": 0
13581
13648
  }
13582
13649
  }
13583
- }
13650
+ },
13651
+ "_active_data": null
13584
13652
  }
13585
13653
  },
13586
13654
  {
@@ -13600,7 +13668,7 @@
13600
13668
  "slope": 0.0001,
13601
13669
  "density": 1000.0,
13602
13670
  "nrows": 18,
13603
- "data": {
13671
+ "_data": {
13604
13672
  "class": "pandas.DataFrame",
13605
13673
  "object": {
13606
13674
  "X": {
@@ -13804,7 +13872,8 @@
13804
13872
  "17": 0
13805
13873
  }
13806
13874
  }
13807
- }
13875
+ },
13876
+ "_active_data": null
13808
13877
  }
13809
13878
  },
13810
13879
  {
@@ -13824,7 +13893,7 @@
13824
13893
  "slope": 0.0001,
13825
13894
  "density": 1000.0,
13826
13895
  "nrows": 16,
13827
- "data": {
13896
+ "_data": {
13828
13897
  "class": "pandas.DataFrame",
13829
13898
  "object": {
13830
13899
  "X": {
@@ -14008,7 +14077,8 @@
14008
14077
  "15": 0
14009
14078
  }
14010
14079
  }
14011
- }
14080
+ },
14081
+ "_active_data": null
14012
14082
  }
14013
14083
  },
14014
14084
  {
@@ -14028,7 +14098,7 @@
14028
14098
  "slope": 0.0001,
14029
14099
  "density": 1000.0,
14030
14100
  "nrows": 16,
14031
- "data": {
14101
+ "_data": {
14032
14102
  "class": "pandas.DataFrame",
14033
14103
  "object": {
14034
14104
  "X": {
@@ -14212,7 +14282,8 @@
14212
14282
  "15": 0
14213
14283
  }
14214
14284
  }
14215
- }
14285
+ },
14286
+ "_active_data": null
14216
14287
  }
14217
14288
  },
14218
14289
  {
@@ -14232,7 +14303,7 @@
14232
14303
  "slope": 0.0001,
14233
14304
  "density": 1000.0,
14234
14305
  "nrows": 13,
14235
- "data": {
14306
+ "_data": {
14236
14307
  "class": "pandas.DataFrame",
14237
14308
  "object": {
14238
14309
  "X": {
@@ -14386,7 +14457,8 @@
14386
14457
  "12": 0
14387
14458
  }
14388
14459
  }
14389
- }
14460
+ },
14461
+ "_active_data": null
14390
14462
  }
14391
14463
  },
14392
14464
  {
@@ -14406,7 +14478,7 @@
14406
14478
  "slope": 0.0001,
14407
14479
  "density": 1000.0,
14408
14480
  "nrows": 12,
14409
- "data": {
14481
+ "_data": {
14410
14482
  "class": "pandas.DataFrame",
14411
14483
  "object": {
14412
14484
  "X": {
@@ -14550,7 +14622,8 @@
14550
14622
  "11": 0
14551
14623
  }
14552
14624
  }
14553
- }
14625
+ },
14626
+ "_active_data": null
14554
14627
  }
14555
14628
  },
14556
14629
  {
@@ -14570,7 +14643,7 @@
14570
14643
  "slope": 0.0001,
14571
14644
  "density": 1000.0,
14572
14645
  "nrows": 11,
14573
- "data": {
14646
+ "_data": {
14574
14647
  "class": "pandas.DataFrame",
14575
14648
  "object": {
14576
14649
  "X": {
@@ -14704,7 +14777,8 @@
14704
14777
  "10": 0
14705
14778
  }
14706
14779
  }
14707
- }
14780
+ },
14781
+ "_active_data": null
14708
14782
  }
14709
14783
  },
14710
14784
  {
@@ -14724,7 +14798,7 @@
14724
14798
  "slope": 0.0001,
14725
14799
  "density": 1000.0,
14726
14800
  "nrows": 10,
14727
- "data": {
14801
+ "_data": {
14728
14802
  "class": "pandas.DataFrame",
14729
14803
  "object": {
14730
14804
  "X": {
@@ -14848,7 +14922,8 @@
14848
14922
  "9": 0
14849
14923
  }
14850
14924
  }
14851
- }
14925
+ },
14926
+ "_active_data": null
14852
14927
  }
14853
14928
  },
14854
14929
  {
@@ -14868,7 +14943,7 @@
14868
14943
  "slope": 0.0001,
14869
14944
  "density": 1000.0,
14870
14945
  "nrows": 10,
14871
- "data": {
14946
+ "_data": {
14872
14947
  "class": "pandas.DataFrame",
14873
14948
  "object": {
14874
14949
  "X": {
@@ -14992,7 +15067,8 @@
14992
15067
  "9": 0
14993
15068
  }
14994
15069
  }
14995
- }
15070
+ },
15071
+ "_active_data": null
14996
15072
  }
14997
15073
  },
14998
15074
  {
@@ -15012,7 +15088,7 @@
15012
15088
  "slope": 0.0001,
15013
15089
  "density": 1000.0,
15014
15090
  "nrows": 18,
15015
- "data": {
15091
+ "_data": {
15016
15092
  "class": "pandas.DataFrame",
15017
15093
  "object": {
15018
15094
  "X": {
@@ -15216,7 +15292,8 @@
15216
15292
  "17": 0
15217
15293
  }
15218
15294
  }
15219
- }
15295
+ },
15296
+ "_active_data": null
15220
15297
  }
15221
15298
  },
15222
15299
  {
@@ -15236,7 +15313,7 @@
15236
15313
  "slope": 0.0001,
15237
15314
  "density": 1000.0,
15238
15315
  "nrows": 18,
15239
- "data": {
15316
+ "_data": {
15240
15317
  "class": "pandas.DataFrame",
15241
15318
  "object": {
15242
15319
  "X": {
@@ -15440,7 +15517,8 @@
15440
15517
  "17": 0
15441
15518
  }
15442
15519
  }
15443
- }
15520
+ },
15521
+ "_active_data": null
15444
15522
  }
15445
15523
  },
15446
15524
  {
@@ -15460,7 +15538,7 @@
15460
15538
  "slope": 0.0001,
15461
15539
  "density": 1000.0,
15462
15540
  "nrows": 15,
15463
- "data": {
15541
+ "_data": {
15464
15542
  "class": "pandas.DataFrame",
15465
15543
  "object": {
15466
15544
  "X": {
@@ -15634,7 +15712,8 @@
15634
15712
  "14": 0
15635
15713
  }
15636
15714
  }
15637
- }
15715
+ },
15716
+ "_active_data": null
15638
15717
  }
15639
15718
  },
15640
15719
  {
@@ -15654,7 +15733,7 @@
15654
15733
  "slope": 0.0001,
15655
15734
  "density": 1000.0,
15656
15735
  "nrows": 14,
15657
- "data": {
15736
+ "_data": {
15658
15737
  "class": "pandas.DataFrame",
15659
15738
  "object": {
15660
15739
  "X": {
@@ -15818,7 +15897,8 @@
15818
15897
  "13": 0
15819
15898
  }
15820
15899
  }
15821
- }
15900
+ },
15901
+ "_active_data": null
15822
15902
  }
15823
15903
  },
15824
15904
  {