Metadata-Version: 2.4
Name: tascpy
Version: 0.1.0
Summary: タスク計測データ処理用のPythonライブラリ
Home-page: https://github.com/toruinaba/tascpy
Author: toru_inaba
Author-email: example@example.com
License: MIT
Classifier: Development Status :: 3 - Alpha
Classifier: Intended Audience :: Science/Research
Classifier: License :: OSI Approved :: MIT License
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.8
Classifier: Programming Language :: Python :: 3.9
Classifier: Programming Language :: Python :: 3.10
Classifier: Programming Language :: Python :: 3.11
Classifier: Topic :: Scientific/Engineering
Requires-Python: >=3.8
Description-Content-Type: text/markdown
License-File: LICENSE
Requires-Dist: numpy
Requires-Dist: matplotlib
Requires-Dist: japanize-matplotlib
Requires-Dist: setuptools
Dynamic: author
Dynamic: author-email
Dynamic: classifier
Dynamic: description
Dynamic: description-content-type
Dynamic: home-page
Dynamic: license
Dynamic: license-file
Dynamic: requires-dist
Dynamic: requires-python
Dynamic: summary

# tascpy

[![Python Version](https://img.shields.io/badge/python-3.8%2B-blue)](https://www.python.org/downloads/)
[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
[![Version](https://img.shields.io/badge/version-0.1.0-green)](https://github.com/toruinaba/tascpy)

**tascpy** は、計測アプリケーション「tasc」などから出力される計測データの分析・可視化を効率的に行うための Python ライブラリです。直感的なインターフェースと強力なデータ処理機能を備え、メソッドチェーン形式で複雑な操作を簡潔に記述できます。

## 主な特徴

- **メソッドチェーンによる流れるような操作**：複数のデータ処理ステップを連続して記述できます
- **イミュータブルなデータ操作**：元のデータを変更せず、常に新しいデータセットを生成します
- **ドメイン特化機能**：荷重-変位データや座標データなど、特定の分析領域に特化した機能を提供します
- **柔軟なデータ選択**：列名、行インデックス、ステップ値などによる多彩な選択操作をサポートします
- **高度な数学的処理**：数値演算、補間、正規化など様々な数学的操作を提供します
- **直感的な可視化**：Matplotlib と連携した簡単かつ高度なデータ可視化機能があります
- **型ヒントと自動補完**：VSCode などの IDE で自動補完や型チェックを完全サポートします

## インストール方法

### pip からのインストール

```bash
pip install tascpy
```

### ソースからのインストール

```bash
git clone https://github.com/toruinaba/tascpy.git
cd tascpy
pip install -e .
```

## 使用例

### 基本的な使い方

```python
import tascpy
from tascpy.core.collection import ColumnCollection

# CSVファイルからデータを読み込む
collection = ColumnCollection.from_file(
    filepath="data.csv", 
    format_name="csv", 
    auto_detect_types=True
)

# データ処理のチェーンメソッド
result = (
    collection.ops
    .select(columns=["Force", "Displacement"])  # 必要な列を選択
    .filter_by_value("Force", lambda x: x > 0)  # 正の荷重値のみ選択
    .add("Force", 10, result_column="AdjustedForce")  # 新しい列を作成
    .divide("AdjustedForce", "Displacement", result_column="Stiffness")  # 剛性計算
    .end()  # チェーンを終了して結果を取得
)

# 結果の表示
print(f"処理後のデータ: {len(result)} 行 × {len(result.columns)} 列")
print(f"最大剛性: {result['Stiffness'].max():.2f}")
```

### 荷重-変位ドメインの分析

```python
# 荷重-変位ドメインへの変換
ld_collection = collection.ops.as_domain(
    "load_displacement",
    load_column="Force",
    displacement_column="Displacement"
).end()

# 降伏点の計算
yield_result = (
    ld_collection.ops
    .calculate_stiffness(range_start=0.1, range_end=0.5, result_column="Stiffness")
    .calculate_yield_point(method="offset", offset_ratio=0.002)  # 0.2%オフセット法
    .end()
)

# 結果の表示
print(f"降伏荷重: {yield_result['YieldPoint_Load'].values[0]:.2f} kN")
print(f"降伏変位: {yield_result['YieldPoint_Displacement'].values[0]:.2f} mm")
```

### 可視化の例

```python
import matplotlib.pyplot as plt

# 散布図と線グラフの作成
fig, ax = plt.subplots(figsize=(10, 6))

(
    collection.ops
    .select(columns=["Displacement", "Force"])
    .plot(
        x_column="Displacement",
        y_column="Force",
        plot_type="scatter",
        label="測定データ",
        ax=ax,
        marker="o",
        alpha=0.7
    )
    .end()
)

plt.title("荷重-変位関係")
plt.xlabel("変位 (mm)")
plt.ylabel("荷重 (kN)")
plt.grid(True)
plt.legend()
plt.tight_layout()
plt.show()
```

## ドキュメント

より詳細なドキュメントとサンプルについては、以下を参照してください：

- [基本サンプル集](./examples/basic/README.md) - 基本的な操作と使用例
- [高度なサンプル](./examples/advance/README.md) - 異常値分析など高度な分析テクニック
- [ドメイン特化機能](./examples/domains/README.md) - 荷重-変位分析や座標データ処理の例
- [開発者ガイド](./docs/developer_guide.md) - tascpy の拡張や独自ドメインの開発方法

## 動作環境

- Python 3.8 以上
- 依存ライブラリ:
  - numpy
  - pandas
  - matplotlib
  - scipy
  - japanize-matplotlib (オプション・日本語フォントサポート用)

## スタブファイル生成

tascpy のチェーンメソッドは動的に登録されるため、IDE の自動補完を有効にするにはスタブファイルの生成が必要です。初回インポート時に自動生成されますが、手動で実行することも可能です：

```python
# スタブファイルの手動生成
from tascpy.operations.stub_generator import generate_stubs
generate_stubs()
```

環境変数でスタブ生成を制御できます：

```python
import os
os.environ["TASCPY_GENERATE_STUBS"] = "0"  # スタブ生成を無効化
import tascpy  # スタブは生成されません
```

## プロジェクト構造

```
tascpy/
├── src/
│   └── tascpy/
│       ├── core/         # 基本データ構造
│       ├── domains/      # ドメイン特化コレクション
│       ├── operations/   # データ処理操作
│       └── plugins/      # プラグイン
├── tests/                # テストコード
├── examples/             # サンプルコード
├── docs/                 # ドキュメント
```

## ライセンス

MIT ライセンスの下で公開されています。詳細は [LICENSE](./LICENSE) ファイルを参照してください。

## コントリビューション

バグ報告や機能リクエスト、プルリクエストなど、あらゆる形での貢献を歓迎します。詳細は [CONTRIBUTING.md](./CONTRIBUTING.md) を参照してください。

## 著者

- Toru Inaba ([@toruinaba](https://github.com/toruinaba)) - 初期開発者

## 謝辞

このライブラリの開発にあたり、ご協力いただいたすべての方々に感謝します。

このプロジェクトは GitHub Copilot を全面的に活用して開発されています。AI アシスタントによるコード生成とリファクタリングが、開発効率の向上と品質の維持に大きく貢献しています。
