Índice de contenido
La salida del operador rx.operators.sum() es el total de los datos artículos publicados por el Observable (en este caso el total de 2, 3, 5 y 7). El Función de observador que está suscrita a los operadores rx.operators.sum() Observable imprimirá este valor: Sin embargo, en algunos casos puede ser útil ser notificado del intermediario total acumulado, así como el valor final para que otros operadores en la cadena puedan reaccionar a estos subtotales. Esto se puede lograr usando rx.operators.scan() operador. El operador rx.operators.scan() es en realidad un operador transformacional pero puede usarse en este caso para proporcionar una operación matemática. El El operador scan() aplica una función a cada elemento de datos publicado por un Observable y genera su propio elemento de datos para cada valor recibido. Cada valor generado es pasó a la siguiente invocación de la función scan() y se publicó en el flujo de datos observable de los operadores scan(). Por lo tanto, el total acumulado puede ser generado a partir del subtotal anterior y el nuevo valor obtenido. Esto es mostrado abajo: importar rx de operadores de importación rx como op
Suma móvil o incremental
rx.from_([2, 3, 5, 7]).pipe( op.scan(subtotal lambda, i: subtotal+i) ).subscribe(lambda v: imprimir(v)) La salida de este ejemplo es: 2 5 10 17 Esto significa que cada subtotal se publica así como el total final. 37,9 Operadores de encadenamiento Un aspecto interesante del enfoque RxPy para el procesamiento de flujo de datos es que es Es posible aplicar múltiples operadores al flujo de datos producido por un Observable. Los operadores discutidos anteriormente en realidad devuelven otro Observable. este nuevo Observable puede suministrar su propio flujo de datos basado en el flujo de datos original y el resultado de aplicar el operador. Esto permite aplicar otro operador en secuencia a los datos producidos por el nuevo Observable. Esto permite a los operadores encadenarse para proporcionar un procesamiento sofisticado de los datos publicados por el Observables originales. 446 37 Operadores RxPy
popular post
El modelo AR de series temporales univariadas
Resumen: En esta entrada, descubrirá el modelo AR: El modelo autorregresivo.
Leer másEvaluación de modelos para pronosticar
Resumen: Al desarrollar modelos de aprendizaje automático, generalmente se comparan varios modelos durante la fase de construcción.
Leer másModelos para pronosticar
Resumen: El pronóstico, traducido groseramente como la tarea de predecir el futuro, ha estado presente en la sociedad humana durante siglos.
Leer más