Property Data from CSV¶
from idaes_dmf import dmf, propdata, resource
ls *.csv
amundsen-data.csv han-data.csv jayarathna-data.csv
amundsen-meta.csv han-meta.csv jayarathna-meta.csv
Load CSV files into a PropertyTable object
# load data
data3 = propdata.PropertyData.from_csv("han-data.csv", 2)
data3.add_csv("jayarathna-data.csv")
data3.add_csv("amundsen-data.csv")
table3 = propdata.PropertyTable(data=data3)
# add metadata (sources)
for f in "han-meta.csv", "jayarathna-meta.csv", "amundsen-meta.csv":
table3.add_metadata(propdata.PropertyMetadata.from_csv(f, "MEA"))
Add PropertyTable object, containing all the property data, to the DMF
d = dmf.DMF()
rsrc = resource.PropertyDataResource(property_table=table3)
ident = d.add(rsrc)
println(ident)
4
d2 = d.fetch_one(ident)
data3 = d2.property_table
data3.data.values_dataframe()
T | CO2 Loading | r | Density Data | Surface Tension | Viscosity Value | |
---|---|---|---|---|---|---|
0 | 298.15 | 0.10 | 0.3 | 1.0333 | NaN | NaN |
1 | 298.15 | 0.21 | 0.3 | 1.0534 | NaN | NaN |
2 | 298.15 | 0.32 | 0.3 | 1.0756 | NaN | NaN |
3 | 298.15 | 0.44 | 0.3 | 1.0964 | NaN | NaN |
4 | 298.15 | 0.56 | 0.3 | 1.1142 | NaN | NaN |
5 | 313.15 | 0.10 | 0.3 | 1.0253 | NaN | NaN |
6 | 313.15 | 0.21 | 0.3 | 1.0464 | NaN | NaN |
7 | 313.15 | 0.32 | 0.3 | 1.0669 | NaN | NaN |
8 | 313.15 | 0.44 | 0.3 | 1.0891 | NaN | NaN |
9 | 313.15 | 0.56 | 0.3 | 1.1068 | NaN | NaN |
10 | 323.15 | 0.10 | 0.3 | 1.0196 | NaN | NaN |
11 | 323.15 | 0.21 | 0.3 | 1.0412 | NaN | NaN |
12 | 323.15 | 0.32 | 0.3 | 1.0613 | NaN | NaN |
13 | 323.15 | 0.44 | 0.3 | 1.0838 | NaN | NaN |
14 | 323.15 | 0.56 | 0.3 | 1.1014 | NaN | NaN |
15 | 333.15 | 0.10 | 0.3 | 1.0138 | NaN | NaN |
16 | 333.15 | 0.21 | 0.3 | 1.0356 | NaN | NaN |
17 | 333.15 | 0.32 | 0.3 | 1.0556 | NaN | NaN |
18 | 333.15 | 0.44 | 0.3 | 1.0782 | NaN | NaN |
19 | 333.15 | 0.56 | 0.3 | 1.0957 | NaN | NaN |
20 | 343.15 | 0.10 | 0.3 | 1.0076 | NaN | NaN |
21 | 343.15 | 0.21 | 0.3 | 1.0297 | NaN | NaN |
22 | 343.15 | 0.32 | 0.3 | 1.0496 | NaN | NaN |
23 | 343.15 | 0.44 | 0.3 | 1.0723 | NaN | NaN |
24 | 343.15 | 0.56 | 0.3 | 1.0887 | NaN | NaN |
25 | 353.15 | 0.10 | 0.3 | 1.0002 | NaN | NaN |
26 | 353.15 | 0.21 | 0.3 | 1.0234 | NaN | NaN |
27 | 353.15 | 0.32 | 0.3 | 1.0434 | NaN | NaN |
28 | 353.15 | 0.44 | 0.3 | 1.0660 | NaN | NaN |
29 | 353.15 | 0.56 | 0.3 | 1.0812 | NaN | NaN |
... | ... | ... | ... | ... | ... | ... |
186 | 298.15 | 0.00 | 0.4 | 3.5800 | NaN | NaN |
187 | 298.15 | 0.10 | 0.4 | 4.0000 | NaN | NaN |
188 | 298.15 | 0.20 | 0.4 | 4.6000 | NaN | NaN |
189 | 298.15 | 0.30 | 0.4 | 5.1000 | NaN | NaN |
190 | 298.15 | 0.40 | 0.4 | 6.0000 | NaN | NaN |
191 | 298.15 | 0.50 | 0.4 | 7.0000 | NaN | NaN |
192 | 313.15 | 0.00 | 0.4 | 2.2800 | NaN | NaN |
193 | 313.15 | 0.10 | 0.4 | 2.5000 | NaN | NaN |
194 | 313.15 | 0.20 | 0.4 | 3.0000 | NaN | NaN |
195 | 313.15 | 0.30 | 0.4 | 3.3000 | NaN | NaN |
196 | 313.15 | 0.40 | 0.4 | 4.0000 | NaN | NaN |
197 | 313.15 | 0.50 | 0.4 | 4.6000 | NaN | NaN |
198 | 323.15 | 0.00 | 0.4 | 1.7500 | NaN | NaN |
199 | 323.15 | 0.10 | 0.4 | 2.0000 | NaN | NaN |
200 | 323.15 | 0.20 | 0.4 | 2.3000 | NaN | NaN |
201 | 323.15 | 0.30 | 0.4 | 2.6000 | NaN | NaN |
202 | 323.15 | 0.40 | 0.4 | 3.1000 | NaN | NaN |
203 | 323.15 | 0.50 | 0.4 | 3.8000 | NaN | NaN |
204 | 343.15 | 0.00 | 0.4 | 1.1400 | NaN | NaN |
205 | 343.15 | 0.10 | 0.4 | 1.3000 | NaN | NaN |
206 | 343.15 | 0.20 | 0.4 | 1.5000 | NaN | NaN |
207 | 343.15 | 0.30 | 0.4 | 1.7000 | NaN | NaN |
208 | 343.15 | 0.40 | 0.4 | 2.0000 | NaN | NaN |
209 | 343.15 | 0.50 | 0.4 | 2.3000 | NaN | NaN |
210 | 353.15 | 0.00 | 0.4 | 0.9500 | NaN | NaN |
211 | 353.15 | 0.10 | 0.4 | 1.1000 | NaN | NaN |
212 | 353.15 | 0.20 | 0.4 | 1.3000 | NaN | NaN |
213 | 353.15 | 0.30 | 0.4 | 1.4000 | NaN | NaN |
214 | 353.15 | 0.40 | 0.4 | 1.7000 | NaN | NaN |
215 | 353.15 | 0.50 | 0.4 | 1.9000 | NaN | NaN |
216 rows × 6 columns