kanglib 0.5

Kang lib of Python package: calculate my math function

welcome to Kang digital magic world: V0.3：calculate_weighted_value thank you for your trust. if you have any questions, please contact me. [e-mail]

首先，创建两个DataFrame：一个是活动水平序列，另一个是权重序列。请看以下的Python代码：

import pandas as pd
import kanglib
import matplotlib.pyplot as plt

# 创建一个日期范围
dates = pd.date_range(start='2022-01-01', periods=365)

# 创建活动水平DataFrame
activity_levels_df = pd.DataFrame({
    'date': dates,
    'activity_level': [0.2] * len(dates)
})

# 创建权重DataFrame
weights_df = pd.DataFrame({
    'date': dates,
    'weight': [0.5] * len(dates)
})

# 合并这两个DataFrame
df = pd.merge(activity_levels_df, weights_df, on='date')

# 使用calculate_weighted_value函数
df = kanglib.calculate_weighted_value(df, ['activity_level'], 'weight', 'result')

# 打印DataFrame
print(df)

# 绘制结果
plt.plot(df['date'], df['result'])
plt.title('Weighted Activity Level over Time')
plt.xlabel('Date')
plt.ylabel('Weighted Activity Level')
plt.show()

这段代码首先创建了两个DataFrame，一个包含活动水平，另一个包含权重，都是针对相同的日期范围。然后，它们被合并到同一个DataFrame中，然后使用calculate_weighted_value函数计算加权活动水平。然后它打印出这个DataFrame，并将结果列绘制成一条折线图，x轴是日期，y轴是加权活动水平。

---

python setup.py sdist bdist_wheel

twine upload dist/*

---

使用示例

下面是如何使用 kanglib.calculate_weighted_value 函数的示例：

import pandas as pd
import kanglib
import matplotlib.pyplot as plt
import numpy as np

# 创建一个日期范围
dates = pd.date_range(start='2022-01-01', periods=365*2)

# 创建活动水平DataFrame
activity_levels_df = pd.DataFrame({
    'date': dates,
    'activity_level': np.random.rand(len(dates))
})

# 创建权重DataFrame
weights_df = pd.DataFrame({
    'date': dates,
    'weight': np.random.rand(len(dates))
})

# 合并这两个DataFrame
df = pd.merge(activity_levels_df, weights_df, on='date')

# 使用calculate_weighted_value函数
df = kanglib.calculate_weighted_value(df, ['activity_level'], 'weight', 'result')

# 打印DataFrame
print(df)

# 绘制结果
plt.plot(df['date'], df['result'])
plt.title('Weighted Activity Level over Time')
plt.xlabel('Date')
plt.ylabel('Weighted Activity Level')
plt.show()