[博客列表中此处显示“继续阅读”链接]

Notebook 工具

ODSBox Python 库

ODSBox Python 库 是一个轻量级 Python 封装，构建在标准化的 ASAM ODS REST API.

使用直观的 JAQuel Queries 和 pandas.DataFrames ODSBox 让在 Python 中处理 ASAM ODS 数据更加有趣。

只需 pip 安装该库，或从我们的以下位置下载 GitHub 仓库.

JAQuel Queries

JAQuel 遵循以下概念，让您能够以简单直观的方式查询数据 MongoDB 查询语言 (MQL)。将查询表达式定义为 JSON，可轻松与 Python 语言集成——实现双赢。

示例 Notebook

为了向您展示如何用 Python 代码处理结构化数据，我们创建了一些简单的 Jupyter Notebooks  它将引导您了解各项主要概念：

• 1_query-asam-server.ipynb - 查询 Peak ODS Server
• 2_load_mearesult.ipynb - 加载时间序列数据
• 3_explore_the_data_model.ipynb - 探索数据模型

所有 Notebook 都针对 Peak ODS Server（Peak Test Data Manager 的数据内核）执行查询。

查询 Peak ODS Server

在 Notebook 示例 “1_query-asam-server.ipynb” 中，您将学习如何连接到 Peak ODS Server 并查询服务器中的数据（对象）。从简单查询、定义返回数据集到使用引用对象，涵盖了程序化数据探索的所有主要方面。

加载测量数据

Notebook 示例 “2_load_mearesult.ipynb” 说明了如何从 Peak ODS Server 接收时间序列（测量）数据，并将其转换为 pandas.DataFrames  以供进一步处理。

探索数据模型

Peak Test Data Manager 的优势与灵活性在于：按照契合您数据需求的数据模型来存储数据。就像一份 实体-关系模型  它定义了您的业务对象。使用 JAQuel Queries  则需要您对应用模型以及 有一定了解ASAM ODS 基础模型。Notebook 示例 “3_explore_the_data_model.ipynb” 提供了一些查看数据模型的思路。

您可以在此处找到 Notebook 以及 ODSBox 等其他工具：开源仓库.

您是否对使用 Jupyter Notebook 进行 ODS 测试数据分析的定制化方案感兴趣？

立即联系我们，了解如何使用 Jupyter Notebook 在 ASAM ODS 数据存储中探索测试数据。我们的专家团队乐意为您提供个性化建议，并向您展示如何从我们的 ODSBox Python 库和示例 Notebook 中受益。