> 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/espanol/tutoriales/pywr-scenarios-reading-external-dataframe-and-adding-custom-rules/reading-csv-dataframe.md).
# Lectura de CSV DataFrame
Ir a **Nueva versión de Reservoir** nodo y cambio **Flujo máximo** a **-400**, esto permitirá que el agua fluya a través de este nodo
El archivo descargado, **Támesis\_Lee\_Valle\_demand.csv**, contiene un conjunto de datos de series temporales estructurado con dos columnas clave:
**intervalo de tiempo:** Esta columna servirá de índice para la serie temporal. Representa la progresión temporal en el conjunto de datos, lo que permite la organización cronológica.
**Demanda de Lee Valley:** Esta columna contiene los datos que representan los valores de demanda en Lee Valley.
Támesis_Lee_Valley_demand
Seleccione el nodo de salida **Demanda de Lee Valley** y edite el **Flujo máximo**
En Opciones, selecciona **PYR\_PARÁMETRO**
Pegue la siguiente configuración:
```json
{
«tipo»: «Parámetro de marco de datos»,
«url»: «Támesis_Lee_Valley_demand.csv «,
«columna»: «Demanda de Lee Valley»,
«index_col»: «paso de tiempo»,
«parse_dates»: verdadero
}
```
Ahora debería tener el aspecto de la siguiente imagen:
### Resultados
Haga clic en el nodo Lee Valley Demand > Outputs > simulated\ \_flow para ver los resultados de la simulación
simulated_flow (Demanda de Lee Valley)
Ahora comprueba el **simulado\_volumen** por **Nuevo embalse**
volumen simulado (depósito nuevo)
---
# 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/espanol/tutoriales/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)