func

要使用的聚合函数。可以是定义聚合函数的字符串或字典，也可以是执行聚合的可调用自定义函数。

如果是字符串，则可以是：“总和”、“最小值”、“最大值”、“平均值”、“中位数”、“乘积” 或 “计数” 之一_非零”。这些字符串映射到并导致聚合器使用相应的 num py

函数。

可以提供一个包含 “函数” 密钥以及可选的 “args” 和 “kwargs” 键的字典。“func” 的值应该是一个与前面提到的 numpy 函数名称相对应的字符串，并带有 “百分位数” 和 “百分位数” 等附加选项。后两个函数需要额外的参数（百分位数和分数）才能起作用，并且必须作为值在字典的 “args” 或 “kwargs” 键中提供。有关这些参数的文档，请参阅相应的 numpy（或 scipy）函数定义

。

最后，可以给出一个可调用的函数。此函数必须接受一维或二维 numpy 数组作为第一个参数，并支持 “axis” 关键字作为整数值，该整数值决定该函数应在哪个轴上应用聚合。axis 关键字仅在给出 2D 数组时提供。因此，`可调用函数的行为应与 numpy 函数类似

是的

func_args

func_args: 列表

是

函数_kwargs

func_kwargs: 字典

是的

模型

pywr.core.model

是的

AGG_

聚合时使用的场景聚合函数_价值 被称为

是的

名称

录音机的名称

评论

录音机的评论或描述

忽视_

调用聚合时忽略 NaN 值的 nan 标志_价值

是_

目标

标志，用于表示使用此记录器进行的优化方向

epsilon Epsilon

距离

s 用于下限和上限定义的值。这些值决定录制器实例是否被标记为约束。任一绑定都可以为 “无”（默认）以禁用相应的边界。如果两个边界都为无，则为_约束 财产将返回 假的。下限必须严格小于上限。通过将两个边界设置为相同的值，可以创建相等约束。

模型仿真期间不使用约束边界。相反，它们旨在供优化包装器（或其他外部工具）用来定义受限的优化问题。

模型

pywr.core.model

是的

参数

要记录的参数

是的

AGG_

聚合时使用的场景聚合函数_价值 被称为

是的

名称

录音机的名称

是的

评论

录音机的评论或描述

是的

忽视_

调用聚合时忽略 NaN 值的 nan 标志_价值

是的

是_

object

ive 标记，用于表示使用此记录器进行优化的方向（如果有）

是

epsilon

使用的 Epsilon 距离

_更低_边界，约束_上部_bound

s 用于下限和上限定义的值。这些值决定录制器实例是否被标记为约束。任一绑定都可以为 “无”（默认）以禁用相应的边界。如果两个边界都为无，则为_约束 财产将返回 假的。下限必须严格小于上限。通过将两个边界设置为相同的值，可以创建相等约束。

模型仿真期间不使用约束边界。相反，它们旨在供优化包装器（或其他外部工具）用来定义受限的优化问题。

是的