hdfqs python库
hdfqs的Python项目详细描述
hdfqs是一种用于量化自数据存储的文件格式，这是：
BR/> -灵活
快< BR/>易备份-BR/>基于开放和标准的格式
BR/>激励< BR/> -
BR/>许多健康监视器（例如FITBIT）目前支持以CSV或XML格式导出数据。虽然这些是开放的标准格式，但与二进制文件格式相比，它们通常要慢得多，占用的空间也更多。它们也很难按时间搜索数据。使用excel或openoffice可以更容易地绘制数据，但是，当数据量增大时，它们也会遇到速度问题。
所有表都有一个时间列、一个时区列和数据值的任意数量的附加列。许多数据类型可能只有一个额外的列（例如心率、体重等列）。标记事件的数据类型（例如步进时间）将没有其他列。其他数据类型（例如3轴加速度计）将有多个额外的列（例如x、y、z）。<时间< <时间>< < > > > >时间从NS起存储为ns，在UTC中。时区栏指定数据收集的时区。如果需要，这允许计算收集数据的本地时间。时区指定为距UTC 15分钟的块数。这样可以处理距标准时区15分钟的某些时区，并最大限度地减少存储值所需的空间。
它们位于层次树中，类似于文件系统。
所有来自可穿戴设备的数据都位于“self”位置。来自固定位置的其他数据，例如特定房间或建筑物中的温度记录器，将位于其各自的位置（例如“起居室”或“办公室”）。
尽管可以创建任何类别，但应涵盖大多数数据源的基本类别是：
-活动-与运动相关的任何内容，如加速计、陀螺仪。
-环境-环境测量，如温度，湿度。
-健康-健康相关数据，如心率、心电图。
-位置-位置数据，如范围内的GPS、Wi-Fi网络。
-社交-与其他人交互相关的数据，如拨号/已接电话、范围内的蓝牙网络。
类别。它们以测量的东西命名（如“温度”或“心电图”），并使用常用缩写（如心率的“HR”）。由于多个设备可以测量同一个变量，因此设备名称可以附加下划线（例如“calories_gwf”或“calories_fitbit”）。
backups
----
hdfq中的数据可以分布在多个hdf5文件上。可以将新数据追加到最近的文件中，也可以创建新文件。这允许增量备份，而不是处理单个大文件。可以使用任何备份工具，但建议使用git-annex，因为它维护校验和以保护单个文件的完整性。
BR/> -灵活
快< BR/>易备份-BR/>基于开放和标准的格式
BR/>激励< BR/> -
BR/>许多健康监视器（例如FITBIT）目前支持以CSV或XML格式导出数据。虽然这些是开放的标准格式，但与二进制文件格式相比，它们通常要慢得多，占用的空间也更多。它们也很难按时间搜索数据。使用excel或openoffice可以更容易地绘制数据，但是，当数据量增大时，它们也会遇到速度问题。
所有表都有一个时间列、一个时区列和数据值的任意数量的附加列。许多数据类型可能只有一个额外的列（例如心率、体重等列）。标记事件的数据类型（例如步进时间）将没有其他列。其他数据类型（例如3轴加速度计）将有多个额外的列（例如x、y、z）。<时间< <时间>< < > > > >时间从NS起存储为ns，在UTC中。时区栏指定数据收集的时区。如果需要，这允许计算收集数据的本地时间。时区指定为距UTC 15分钟的块数。这样可以处理距标准时区15分钟的某些时区，并最大限度地减少存储值所需的空间。
它们位于层次树中，类似于文件系统。
所有来自可穿戴设备的数据都位于“self”位置。来自固定位置的其他数据，例如特定房间或建筑物中的温度记录器，将位于其各自的位置（例如“起居室”或“办公室”）。
尽管可以创建任何类别，但应涵盖大多数数据源的基本类别是：
-活动-与运动相关的任何内容，如加速计、陀螺仪。
-环境-环境测量，如温度，湿度。
-健康-健康相关数据，如心率、心电图。
-位置-位置数据，如范围内的GPS、Wi-Fi网络。
-社交-与其他人交互相关的数据，如拨号/已接电话、范围内的蓝牙网络。
类别。它们以测量的东西命名（如“温度”或“心电图”），并使用常用缩写（如心率的“HR”）。由于多个设备可以测量同一个变量，因此设备名称可以附加下划线（例如“calories_gwf”或“calories_fitbit”）。
backups
----
hdfq中的数据可以分布在多个hdf5文件上。可以将新数据追加到最近的文件中，也可以创建新文件。这允许增量备份，而不是处理单个大文件。可以使用任何备份工具，但建议使用git-annex，因为它维护校验和以保护单个文件的完整性。
欢迎加入QQ群-->： 979659372
