معرفی شرکت ها

agcounts-0.1.7

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.1.7
0.1.5
0.1.4
0.1.3
0.1.2
0.1.1
0.1.7
0.1.5
0.1.4
0.1.3
0.1.2
0.1.1

توضیحات

This project contains code to generate activity counts from accelerometer data.
ویژگی مقدار
سیستم عامل -
نام فایل agcounts-0.1.7
نام agcounts
نسخه کتابخانه 0.1.7
نگهدارنده ['Ali Neishabouri']
ایمیل نگهدارنده ['ali.neishabouri@theactigraph.com']
نویسنده Actigraph LLC
ایمیل نویسنده data.science@theactigraph.com
آدرس صفحه اصلی https://github.com/actigraph/agcounts
آدرس اینترنتی https://pypi.org/project/agcounts/
مجوز GPL-3.0-or-later
# agcounts ![Tests](https://github.com/actigraph/agcounts/actions/workflows/tests.yml/badge.svg) A python package for extracting actigraphy counts from accelerometer data. ## Install ```bash pip install agcounts ``` ## Test Download test data: ```bash curl -L https://github.com/actigraph/agcounts/files/8247896/GT3XPLUS-AccelerationCalibrated-1x8x0.NEO1G75911139.2000-01-06-13-00-00-000-P0000.sensor.csv.gz --output data.csv.gz ``` Run a simple test ```python import pandas as pd import numpy as np from agcounts.extract import get_counts def get_counts_csv( file, freq: int, epoch: int, fast: bool = True, verbose: bool = False, time_column: str = None, ): if verbose: print("Reading in CSV", flush=True) raw = pd.read_csv(file, skiprows=0) if time_column is not None: ts = raw[time_column] ts = pd.to_datetime(ts) time_freq = str(epoch) + "S" ts = ts.dt.round(time_freq) ts = ts.unique() ts = pd.DataFrame(ts, columns=[time_column]) raw = raw[["X", "Y", "Z"]] if verbose: print("Converting to array", flush=True) raw = np.array(raw) if verbose: print("Getting Counts", flush=True) counts = get_counts(raw, freq=freq, epoch=epoch, fast=fast, verbose=verbose) del raw counts = pd.DataFrame(counts, columns=["Axis1", "Axis2", "Axis3"]) counts["AC"] = ( counts["Axis1"] ** 2 + counts["Axis2"] ** 2 + counts["Axis3"] ** 2 ) ** 0.5 ts = ts[0 : counts.shape[0]] if time_column is not None: counts = pd.concat([ts, counts], axis=1) return counts def convert_counts_csv( file, outfile, freq: int, epoch: int, fast: bool = True, verbose: bool = False, time_column: str = None, ): counts = get_counts_csv( file, freq=80, epoch=60, verbose=True, time_column=time_column ) counts.to_csv(outfile, index=False) return counts counts = get_counts_csv("data.csv.gz", freq=80, epoch=60) counts = convert_counts_csv( "data.csv.gz", outfile="counts.csv.gz", freq=80, epoch=60, verbose=True, time_column="HEADER_TIMESTAMP", ) ```


نیازمندی

مقدار نام
>=1.23.3 numpy
>=1.2.5 pandas
>=1.7.3 scipy


زبان مورد نیاز

مقدار نام
>=3.8.1,<3.12 Python


نحوه نصب


نصب پکیج whl agcounts-0.1.7:

    pip install agcounts-0.1.7.whl


نصب پکیج tar.gz agcounts-0.1.7:

    pip install agcounts-0.1.7.tar.gz