> For the complete documentation index, see [llms.txt](https://water-strategy.gitbook.io/waterstrategy/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://water-strategy.gitbook.io/waterstrategy/deutsch/tutorials/pywr-scenarios-reading-external-dataframe-and-adding-custom-rules/reading-csv-dataframe.md).
# CSV-DataFrame lesen
Gehe zu **Neues Reservoir-Release** Node und Change **Maximaler Durchfluss** zu **-400**, dadurch kann Wasser durch diesen Knoten fließen
Die heruntergeladene Datei, **Themse\_Lee\_Tal\_demand.csv**, enthält einen Zeitreihen-Datensatz, der mit zwei Schlüsselspalten strukturiert ist:
**Zeitschritt:** Diese Spalte dient als Index für die Zeitreihe. Sie stellt den Zeitverlauf im Datensatz dar und ermöglicht eine chronologische Organisation.
**Nachfrage nach Lee Valley:** Diese Spalte enthält die Daten, die die Nachfragewerte im Lee Valley darstellen.
Themse_Lee_Valley_Demand
Wählen Sie den Ausgangsknoten **Nachfrage nach Lee Valley** und bearbeite die **Maximaler Durchfluss**
Wählen Sie unter Optionen **PYWR\_PARAMETER**
Fügen Sie die folgende Konfiguration ein:
```json
{
„Typ“: „DataFrameParameter“,
„url“: „Themse“_Lee_Valley_demand.csv „,
„column“: „Nachfrage nach Lee Valley“,
„index_col“: „Zeitschritt“,
„parse_dates“: wahr
}
```
Jetzt sollte es wie das folgende Bild aussehen:
### Ergebnisse
Klicken Sie auf den Knoten Lee Valley Demand > Outputs > simulated\ \_flow, um die Ergebnisse der Simulation zu sehen
simulated_flow (Nachfrage nach Lee Valley)
Überprüfe jetzt das **simuliert\_Volumen** zum **Neuer Stausee**
simuliertes Volumen (New Reservoir)
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
GET https://water-strategy.gitbook.io/waterstrategy/deutsch/tutorials/pywr-scenarios-reading-external-dataframe-and-adding-custom-rules/reading-csv-dataframe.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
%20(1)%20(1).png?alt=media)
%20(1).png?alt=media)
%20(1)%20(1).png?alt=media)
%20(1)%20(1).png?alt=media)
%20(1)%20(1).png?alt=media)
%20(1).png?alt=media)
%20(1).png?alt=media)
.png?alt=media)
.png?alt=media)
.png?alt=media)