معرفی شرکت ها

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

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

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

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

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

توضیحات

A library for measurement and verification of energy efficiency projects.

ویژگی	مقدار
سیستم عامل	-
نام فایل	eensight-1.0.2
نام	eensight
نسخه کتابخانه	1.0.2
نگهدارنده	['Sotiris Papadelis']
ایمیل نگهدارنده	['spapadel@gmail.com']
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/hebes-io/eensight
آدرس اینترنتی	https://pypi.org/project/eensight/
مجوز	Apache License, Version 2.0

## The `eensight` tool for measurement and verification of energy efficiency improvements The `eensight` Python package implements the measurement and verification (M&V) methodology that has been developed by the H2020 project [SENSEI - Smart Energy Services to Improve the Energy Efficiency of the European Building Stock](https://senseih2020.eu/). The online book *Rethinking Measurement and Verification of Energy Savings* (accessible [here](https://hebes-io.github.io/rethinking/index.html)) explains in detail both the methodology and its implementation. ## Installation `eensight` can be installed by pip: ```bash pip install eensight ``` ## Usage ### 1. Through the command line All the functionality in `eensight` is organized around data pipelines. Each pipeline consumes data and other artifacts (such as models) produced by a previous pipeline, and produces new data and artifacts for its successor pipelines. There are four (4) pipelines in `eensight`. The names of the pipelines and the associations between pipelines and namespaces are summarized below: | | train | test | apply | |------------ |---------- |---------- |---------| | preprocess | ✔ | ✔ | ✔| | predict | ✔ | ✔ | ✔| | evaluate | | ✔ | ✔| | adjust | | | ✔| The primary way of using `eensight` is through the command line. The first argument is always the name of the pipeline to run, such as: ```bash eensight run predict --namespace train ``` The command ```bash eensight run --help ``` prints the documentation for all the options that can be passed to the command line. ### 2. As a library The pipelines of `eensight` are separate from the methods that implement them, so that the latter can be used directly: ```python import pandas as pd from eensight.methods.prediction.baseline import UsagePredictor from eensight.methods.prediction.activity import estimate_activity non_occ_features = ["temperature", "dew point temperature"] activity = estimate_activity( X, y, non_occ_features=non_occ_features, exog="temperature", assume_hurdle=False, ) X_act = pd.concat([X, activity.to_frame("activity")], axis=1) model = UsagePredictor(skip_calendar=True).fit(X_act, y) ```

نیازمندی

مقدار	نام
>=1.1.1	catboost
>=0.9.1	click-help-colors
>=3.1.3	emcee
>=8.0.3	ipywidgets
==0.18.4	kedro
>=3.6.2	matplotlib
>=2.0.1	mlflow
==6.5.2	notebook
>=2.3.0	omegaconf
>=3.0.4	optuna
>=1.5.2	pandas
>=1.2.0	scikit-learn
>=1.8.1	scipy
>=0.13.5	statsmodels
>=1.0.4	tsmoothie

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl eensight-1.0.2:

pip install eensight-1.0.2.whl

نصب پکیج tar.gz eensight-1.0.2:

pip install eensight-1.0.2.tar.gz