sarapy 0.3.1__py3-none-any.whl → 0.3.2__py3-none-any.whl

sarapy/dataProcessing/FMCreator.py

@@ -24,6 +24,11 @@ class FMCreator(BaseEstimator, TransformerMixin):
         
         self.is_fitted = False
         
+        ##creamos un diccionario para saber la posición de cada dato dentro del array devuelto por transform()
+        self._dataPositions = {
+            "DST_PT": 0, "DST_FT": 1,
+            "deltaO": 2, "ratio_dCdP": 3, "distances": 4}
+        
     def fit(self, X: np.array, y=None)-> np.array:
         """Fittea el objeto
         
@@ -47,11 +52,15 @@ class FMCreator(BaseEstimator, TransformerMixin):
         timeProcessor = TimeSeriesProcessor()
         geoprocessor = GeoProcessor()
         
+        ##obtengo las posiciones de los datos de tlmDataExtractor y timeProcessor
+        self._tlmdeDP = tlmDataExtractor.dataPositions #posiciones de los datos transform de tlmDataExtractor
+        self._tpDP = timeProcessor.dataPositions #posiciones de los datos transform de timeProcessor
+        
         ##fitteamos tlmse con los datos de telemetría
         self._tlmExtracted = tlmDataExtractor.fit_transform(tlm_spbb)
         
         ##fitteamos timeProcessor con los datos de fecha y hora de operación y los TIMEAC
-        timeData = np.hstack((date_oprc.reshape(-1,1),self._tlmExtracted[:,7].reshape(-1, 1)))
+        timeData = np.hstack((date_oprc.reshape(-1,1),self._tlmExtracted[:,self._tlmdeDP["TIMEAC"]].reshape(-1, 1)))
         self._timeDeltas = timeProcessor.fit_transform(timeData)
         
         ##fitteamos geoprocessor con las latitudes y longitudes
@@ -83,16 +92,11 @@ class FMCreator(BaseEstimator, TransformerMixin):
         if not self.is_fitted:
             raise RuntimeError("El modelo no ha sido fitteado.")
         
-        ##creamos un diccionario para saber la posición de cada dato dentro del array devuelto por transform()
-        self._dataPositions = {
-            0: "DST_PT", 1: "DST_FT",
-            2: "deltaO", 3: "ratio_dCdP", 4: "distances"}
-        
         ##armamos la feature matrix
-        featureMatrix = np.vstack((self._tlmExtracted[:,9],
-                                   self._tlmExtracted[:,12],
-                                   self._timeDeltas[:,0],
-                                   self._timeDeltas[:,3],
+        featureMatrix = np.vstack((self._tlmExtracted[:,self._tlmdeDP["DSTRPT"]],
+                                   self._tlmExtracted[:,self._tlmdeDP["DSTRFT"]],
+                                   self._timeDeltas[:,self._tpDP["deltaO"]],
+                                   self._timeDeltas[:,self._tpDP["ratio_dCdP"]],
                                    self._distances)).T
         
         return featureMatrix
@@ -133,6 +137,11 @@ class FMCreator(BaseEstimator, TransformerMixin):
         """Devuelve las distancias entre operaciones."""
         return self._distances
     
+    @property
+    def dataPositions(self):
+        """Devuelve el diccionario con la posición de los datos dentro del array devuelto por transform()."""
+        return self._dataPositions
+    
         
 if __name__ == "__main__":
     ##genero objeto FMCreator
@@ -154,4 +163,4 @@ if __name__ == "__main__":
     X = X.astype(str)
     fmcreator.fit(X)
     fm = fmcreator.fit_transform(X)
-    print(fm)
+    print(fm)

sarapy/dataProcessing/TLMSensorDataExtractor.py

@@ -45,6 +45,10 @@ class TLMSensorDataExtractor(BaseEstimator, TransformerMixin):
         self.__FIX_pos = (56,58) #FIX(3bits)
         self.__SIV_pos = (59,63) #SIV(5bits)
         
+        ##creamos un diccionario para saber la posición de cada dato dentro del array devuelto por transform()
+        self._dataPositions = {
+            "RFFlag": 0, "GNSSFlag": 1, "RFIDFlag": 2, "FLASHFlag": 3, "RTCSFlag": 4, "MODEFlag": 5, "NBAT": 6, "TIMEAC": 7, "ESTAC": 8, "DSTRPT": 9, "INESTPT": 10, "OFFSPT": 11, "DSTRFT": 12, "INESTFT": 13, "OFFSFT": 14, "PMSTFlag": 15, "GYROX": 16, "GYROY": 17, "GYROZ": 18, "ACELX": 19, "ACELY": 20, "ACELZ": 21, "ESTMOFlag": 22, "ESTORFlag": 23, "SBAT": 24, "VBAT": 25, "CBAT": 26, "ESTBMSFlag": 27, "FIX": 28, "SIV": 29}
+        
         # self.kilometers = kwargs.pop('kilometers', 0)
         self.is_fitted = False
 
@@ -95,15 +99,6 @@ class TLMSensorDataExtractor(BaseEstimator, TransformerMixin):
         if not self.is_fitted:
             raise ValueError("MetadataManager no ha sido fitteado. Llame a fit() previamente.")
         
-        ##creamos un diccionario para saber la posición de cada dato dentro del array devuelto por transform()
-        self._dataPositions = {
-            0:"RFFlag", 1:"GNSSFlag", 2:"RFIDFlag", 3:"FLASHFlag", 4:"RTCSFlag", 5:"MODEFlag",
-            6:"NBAT", 7:"TIMEAC", 8:"ESTAC", 9:"DSTRPT", 10:"INESTPT",
-            11:"OFFSPT", 12:"DSTRFT", 13:"INESTFT", 14:"OFFSFT", 15:"PMSTFlag",
-            16:"GYROX", 17:"GYROY", 18:"GYROZ", 19:"ACELX", 20:"ACELY",
-            21:"ACELZ", 22:"ESTMOFlag", 23:"ESTORFlag", 24:"SBAT", 25:"VBAT",
-            26:"CBAT", 27:"ESTBMSFlag", 28:"FIX", 29:"SIV"}
-        
         return np.array([   self._RFFlag,
                             self._GNSSFlag,
                             self._RFIDFlag,
@@ -761,7 +756,8 @@ if __name__ == "__main__":
 
     # tlmsde.fit(sample)
     data_transformed = tlmsde.fit_transform(sample)
-    print(tlmsde.dataPositions[1])
+    print(tlmsde.dataPositions)
+    print(tlmsde.dataPositions["TIMEAC"])
     print(data_transformed)
     print(data_transformed.shape)
     

sarapy/dataProcessing/TimeSeriesProcessor.py

@@ -16,6 +16,11 @@ class TimeSeriesProcessor(BaseEstimator, TransformerMixin):
         
         self.is_fitted = False
         
+        ##creamos un diccionario para saber la posición de cada dato dentro del array devuelto por transform()
+        self._dataPositions = {
+            "deltaO": 0, "deltaC": 1,
+            "deltaP": 2, "ratio_dCdP": 3}
+        
     def fit(self, X: np.array, y=None)-> np.array:
         """Fittea el objeto"""
 
@@ -31,7 +36,8 @@ class TimeSeriesProcessor(BaseEstimator, TransformerMixin):
             ##agregamos un 0 al principio de deltaO y deltaC - versión 0.2.6
             self._deltaO = np.insert(self._deltaO, 0, 0)
             self._deltaC = np.insert(self._deltaC, 0, 0)
-            self._ratio_dCdP = (self._deltaC - self._deltaP)/(self._deltaC + self._deltaP)
+            ##computamos el ratio entre deltaC y deltaP. Usamos np.vectorize para que compute el ratio para cada elemento del array
+            self._ratio_dCdP = np.vectorize(self.compute_ratio_dCdP)(self._deltaC, self._deltaP)
             ##cambiamos primer valor de ratio_dCdP por 1
             self._ratio_dCdP[0] = 1
             
@@ -53,11 +59,6 @@ class TimeSeriesProcessor(BaseEstimator, TransformerMixin):
         if not self.is_fitted:
             raise RuntimeError("El modelo no ha sido fitteado.")
         
-        ##creamos un diccionario para saber la posición de cada dato dentro del array devuelto por transform()
-        self._dataPositions = {
-            0: "deltaO", 1: "deltaC",
-            2: "deltaP", 3: "ratio_dCdP"}
-        
         return np.hstack((self._deltaO.reshape(-1, 1),
                           self._deltaC.reshape(-1, 1),
                           self._deltaP.reshape(-1, 1),
@@ -67,6 +68,12 @@ class TimeSeriesProcessor(BaseEstimator, TransformerMixin):
         self.fit(X)
         return self.transform(X)
     
+    def compute_ratio_dCdP(self, deltaC, deltaP):
+        """Devuelve el ratio entre el tiempo de caminata y el tiempo de pico abierto."""
+        
+        return (deltaC - deltaP)/(deltaC + deltaP) if deltaC + deltaP != 0 else 1
+        
+    
     @property
     def deltaO(self):
         """Devuelve el tiempo de operación."""
@@ -87,6 +94,11 @@ class TimeSeriesProcessor(BaseEstimator, TransformerMixin):
         """Devuelve el ratio entre el tiempo de caminata y el tiempo de pico abierto."""
         return self._ratio_dCdP
     
+    @property
+    def dataPositions(self):
+        """Devuelve el diccionario con las posiciones de los datos dentro del array devuelto por transform()."""
+        return self._dataPositions
+    
 if __name__ == "__main__":
     timestamps = np.array([1697724423, 1697724428, 1697724430, 1697724433])
     tlm_data = np.array(["0010001000001100110000001100001000000000000000001111111000110000",
@@ -112,6 +124,7 @@ if __name__ == "__main__":
     tmsp.fit(X)
     tmsp.transform(X)
     tmsp.fit_transform(X)
+    print(tmsp.dataPositions)
     
     ### PROBAMOS QUÉ SUCEDE SI TENEMOS UNA SOLA FILA
     tlm_data2 = np.array(["0010001000001100110000001100001000000000000000001111111000110000"])

sarapy/version.py

@@ -1,2 +1,2 @@
 ## Version of the package   
-__version__ = "0.3.1"
+__version__ = "0.3.2"

{sarapy-0.3.1.dist-info → sarapy-0.3.2.dist-info}/METADATA

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: sarapy
-Version: 0.3.1
+Version: 0.3.2
 Summary: Library for Sarapico Metadata processing
 Home-page: https://github.com/lucasbaldezzari/sarapy
 Author: Lucas Baldezzari
@@ -24,6 +24,11 @@ Requires-Dist: geopy
 
 Library for processing SARAPICO project metadata of _AMG_.
 
+#### Version 0.3.2
+
+- Se agrega property en FMCreator para acceder a \_dataPosition. Se cambia la forma de los diccionarios de _dataPosition_ de FMCreator, TimeSeriesProcesor y TLMSensorDataExtractor. Además, ahora este atributo se crea en init().
+- Se corrige bug por división por cero en el cálculo de _ratio_dCdP_ de TimeSeriesProcessor.
+
 #### Version 0.3.1
 
 - Se corrige forma de acceder a los datos de X en FMCreator.fit().

sarapy-0.3.2.dist-info/RECORD

@@ -0,0 +1,11 @@
+sarapy/__init__.py,sha256=aVoywqGSscYYDycLaYJnz08dlQabl9gH0h4Q5KtHM9o,74
+sarapy/version.py,sha256=mFRTzTmfjJ9Dcq9QBi4mFhl3M87aobkI1UCzOWMjvoc,51
+sarapy/dataProcessing/FMCreator.py,sha256=94oYV4tf8tGSb40xzKV03xr8h6iUYaHAjmZ1kHZfO5k,7762
+sarapy/dataProcessing/GeoProcessor.py,sha256=E9cZesfgTGk0fqENr9aO-ywRIqUCu3e5TjZ_CR5FyX4,4371
+sarapy/dataProcessing/TLMSensorDataExtractor.py,sha256=0WR0TIioZFFsaYUbOXwqEcvf226Y1K9I5jmpR2iXW_Q,23199
+sarapy/dataProcessing/TimeSeriesProcessor.py,sha256=dAFahvctu7MWej2oliNMHuGAIsb6dhvzT1NWgMZfjOo,5398
+sarapy/dataProcessing/__init__.py,sha256=SdwaIwWa68Hbwp-liVI2tsFAP5OZIbebXvPpyYL96Uk,186
+sarapy-0.3.2.dist-info/METADATA,sha256=ORKw9OjQJXYlzCXDLBlANamfnhxhm-_Qx_ufIHW8TpM,3233
+sarapy-0.3.2.dist-info/WHEEL,sha256=yQN5g4mg4AybRjkgi-9yy4iQEFibGQmlz78Pik5Or-A,92
+sarapy-0.3.2.dist-info/top_level.txt,sha256=4mUGZXfX2Fw47fpY6MQkaJeuOs_8tbjLkkNp34DJWiA,7
+sarapy-0.3.2.dist-info/RECORD,,

sarapy-0.3.1.dist-info/RECORD

@@ -1,11 +0,0 @@
-sarapy/__init__.py,sha256=aVoywqGSscYYDycLaYJnz08dlQabl9gH0h4Q5KtHM9o,74
-sarapy/version.py,sha256=DGqF6JXFYicPgQQ4TZyYSptcNlzkxfNQpqdiTYDChLY,51
-sarapy/dataProcessing/FMCreator.py,sha256=Y_GNogGwwwoTuc0YuUcPO_JN5OhzZDkwu9pFtEjK6m0,7152
-sarapy/dataProcessing/GeoProcessor.py,sha256=E9cZesfgTGk0fqENr9aO-ywRIqUCu3e5TjZ_CR5FyX4,4371
-sarapy/dataProcessing/TLMSensorDataExtractor.py,sha256=qq_GeutjFWasBYYqoYf6tYa0ZmZQhMT8s00j53rqUpc,23194
-sarapy/dataProcessing/TimeSeriesProcessor.py,sha256=JhQFa-Bmggft9kn30YETevGwVFGBnbT2NXAYGhinq2c,4777
-sarapy/dataProcessing/__init__.py,sha256=SdwaIwWa68Hbwp-liVI2tsFAP5OZIbebXvPpyYL96Uk,186
-sarapy-0.3.1.dist-info/METADATA,sha256=ul49Vj_sMlMBbDVd3cQylSRLqFmFM845qUopk2PQ4H8,2883
-sarapy-0.3.1.dist-info/WHEEL,sha256=yQN5g4mg4AybRjkgi-9yy4iQEFibGQmlz78Pik5Or-A,92
-sarapy-0.3.1.dist-info/top_level.txt,sha256=4mUGZXfX2Fw47fpY6MQkaJeuOs_8tbjLkkNp34DJWiA,7
-sarapy-0.3.1.dist-info/RECORD,,