[In der Blog-Übersicht wird hier ein Weiterlesen-Link angezeigt]

NotebookWerkzeuge

ODSBox Python Library

Die ODSBox Python Bibliothek ist ein leichtgewichtiger Python-Wrapper für die standardisierte  ASAM ODS REST API.

Mithilfe intuitiver JAQuel-Abfragen und pandas.DataFrames macht die ODSBox den Umgang mit ASAM ODS-Daten in Python zum Kindenspiel. Installieren Sie sich die Bibliothek einfach per „pip-install“ oder laden Sie sie aus unserem GitHub-Repository herunter.

JAQuel Queries

JAQuel ermöglicht Ihnen, Ihre Daten auf einfache und intuitive Weise abzufragen, indem es den Konzepten der  MongoDB Query Language (MQL) folgt. Die Definition des Abfrageausdrucks als JSON lässt sich problemlos in die Python-Sprache integrieren – eine Win-Win-Situation.

Beispiel Notebooks

Um Ihnen zu zeigen, wie Sie mit strukturierten Daten in Ihrem Python-Code umgehen, haben wir einige einfache Jupyter Notebooks erstellt, die Sie durch die wichtigsten Konzepte führen:

• 1_query-asam-server.ipynb - Peak ODS Server abfragen
• 2_load_mearesult.ipynb - Zeitreihendaten laden
• 3_explore_the_data_model.ipynb - Datenmodell erkunden

Alle Notebooks führen Abfragen an den Peak ODS Server aus – den Datenkern des Peak Test Data Manager.

Peak ODS Server abfragen

Im Notebook-Beispiel „1_query-asam-server.ipynb“ erfahren Sie, wie Sie eine Verbindung zu einem Peak ODS Server herstellen und Daten (Objekte) im Server abfragen. Angefangen bei einfachen Abfragen über die Definition der zurückgegebenen Datensätze bis hin zur Verwendung referenzierter Objekte werden alle wichtigen Aspekte der programmgesteuerten Datenerkundung behandelt.

Messdaten laden

Das Notebook-Beispiel „2_load_mearesult.ipynb“ erklärt, wie man Zeitreihendaten (Messdaten) vom Peak ODS Server empfängt und sie zur weiteren Verarbeitung in pandas.DataFrames konvertiert.

Das Datenmodell erkunden

Die Stärke und Flexibilität des Peak Test Data Manager liegt in der Speicherung von Daten gemäß einem Datenmodell, das Ihren Datenanforderungen entspricht. Wie ein  Entity-relationship model definiert es Ihre Geschäftsobjekte. Die Arbeit mit  JAQuel-Abfragen erfordert einige Kenntnisse Ihres Anwendungsmodells und des ASAM ODS Basismodells. Das Notebook-Beispiel „3_explore_the_data_model.ipynb“ gibt Ihnen Anregungen für die Untersuchung des Datenmodells.

Sie finden die Notebooks und andere Tools wie die ODSBox in unserem open-source repository.

Sie interessieren sich für eine maßgeschneiderte Lösung zur Analyse von ODS Testdaten mit Jupyter Notebooks?

Kontaktieren Sie uns noch heute, um zu erfahren, wie Sie mit Jupyter Notebooks Testdaten in einem ASAM ODS Datastore untersuchen können. Unser Expertenteam berät Sie gerne persönlich und zeigt Ihnen, wie Sie von unserer ODSBox Python-Bibliothek und Beispiel-Notebooks profitieren können.