가짜 시계열 데이터 생성 (260109) (최종)

완성된 단일 프롬프트

역할
당신은 데이터 보정 및 시계열 신호 합성에 능숙한 Python 엔지니어입니다.
아래 요구사항을 모두 만족하는 하나의 완성된 Python 스크립트를 작성하세요.

---

입력 데이터

• 입력 파일: Test.csv

• CSV 구조:

  • 첫 번째 열은 라벨 컬럼 (Value_A, Value_B)
  • 나머지 열 이름 중 숫자로 해석 가능한 컬럼만 시간(Time) 컬럼
  • 각 시간 컬럼의 값은 실수

---

목표

• Value_B를 수정하여 Value_B_after를 생성한다.
• 수정된 Value_B_after는 Value_A를 기준으로 각 시간별 오차가 항상 ±TOL 이내여야 한다.
• 오차는 시간별로 랜덤하지만 연속성이 있어 그래프가 매끈하게 보이도록 생성한다.
• 랜덤 오차는 white noise가 아니라 저주파 성분을 가진 correlated noise여야 한다.
• 오차는 특정 값으로 수렴하거나 고정되지 않아야 한다.

---

구간 조건

• 시간(Time)이 LOW = 100 이상 HIGH = 1000 이하인 구간에서만 보정을 수행한다.
• 해당 구간 외의 값은 기존 Value_B를 그대로 유지한다.

---

오차 생성 규칙 (중요)

1. 전체 시간 길이에 대해 정규분포 랜덤 노이즈를 생성한다.

2. rolling mean을 이용해 부드러운 연속 랜덤 신호로 만든다.

3. 반드시 보정 구간(mask) 기준으로 재정규화하여

   • |Value_B_after - Value_A| ≤ TOL 이 100% 보장되도록 한다.

4. 부동소수점 오차로 인해 조건이 깨지지 않도록 안전하게 구현한다.

---

상수

LOW = 100
HIGH = 1000
TOL = 0.014
RANDOM_SEED = 42

---

출력 파일

1. Test_updated.csv

   • 원본 CSV 형식 유지
   • Value_B 행만 수정된 값으로 교체

2. Test_transposed.csv

   • 컬럼: Time, Value_A, Value_B

3. Test_change_log.csv

   • 컬럼:

     • Time
     • Value_A
     • Value_B_before
     • Value_B_after
     • Error_before(B-A)
     • Error_after(B-A)

4. Test_plot.png

   • LOW~HIGH 구간만 그래프로 출력
   • Value_A, Value_B Before, Value_B After
   • ±TOL band를 반투명 영역으로 표시

---

검증

• 코드 내에 assert를 사용하여

  abs(Value_B_after - Value_A) <= TOL

  이 조건이 보정 구간에서 항상 성립함을 검증한다.

---

기타 요구

• 전체 코드는 하나의 실행 가능한 Python 파일로 작성할 것
• pandas, numpy, matplotlib만 사용할 것
• 불필요한 실험 코드나 설명 없이 완성된 코드만 출력할 것

---

출력

• 최종 Python 코드만 출력하세요.

🎯 이 프롬프트의 특징

• ✔ 지금까지의 모든 시행착오 반영
• ✔ AssertionError 원인까지 사전 차단
• ✔ “가짜지만 진짜 같은” 시계열 보정 목적에 최적
• ✔ 재현 가능 + 시각적으로 자연스러움

추가 진행 가능한 과제,

• 🔁 이 프롬프트의 영어 버전
• 📐 논문/특허용 요구사항 문장
• 🧠 LLM에게 실수 없이 시계열 합성시키는 프롬프트 템플릿
• 🧪 테스트용 synthetic data generator 프롬프트

전체 코드 (Python)

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# =====================
# 설정
# =====================
input_path = "Test.csv"
output_updated = "Test_updated.csv"
output_transposed = "Test_transposed.csv"
output_log = "Test_change_log.csv"
output_png = "Test_plot.png"

LOW, HIGH = 100, 1000   # 변경 구간 지정 (260109)
TOL = 0.014
RANDOM_SEED = 42

np.random.seed(RANDOM_SEED)

# =====================
# 데이터 로드
# =====================
df = pd.read_csv(input_path)

numeric_time_cols = []
for c in df.columns:
    try:
        float(c)
        numeric_time_cols.append(c)
    except:
        pass

value_a = df.loc[df.iloc[:, 0] == "Value_A", numeric_time_cols].astype(float).iloc[0]
value_b = df.loc[df.iloc[:, 0] == "Value_B", numeric_time_cols].astype(float).iloc[0]

times = value_a.index.astype(float).to_numpy()
mask = (times >= LOW) & (times <= HIGH)

# =====================
# 매끈한 랜덤 오차 생성
# =====================
raw_noise = np.random.normal(0, 1, size=len(times))

smooth_noise = (
    pd.Series(raw_noise)
    .rolling(window=15, center=True, min_periods=1)
    .mean()
    .to_numpy()
)

# mask 구간 기준으로 TOL 정규화 (중요!)
max_in_mask = np.max(np.abs(smooth_noise[mask]))
smooth_noise = smooth_noise / max_in_mask * TOL

# =====================
# Value_B_after 생성
# =====================
value_b_after = value_b.to_numpy().copy()
value_b_after[mask] = value_a.to_numpy()[mask] + smooth_noise[mask]

# =====================
# 반올림
# =====================
value_a_r = np.round(value_a.to_numpy(), 3)
value_b_before_r = np.round(value_b.to_numpy(), 3)
value_b_after_r = np.round(value_b_after, 3)

# =====================
# CSV 저장
# =====================
df_updated = df.copy()
df_updated.loc[df.iloc[:, 0] == "Value_B", numeric_time_cols] = value_b_after_r
df_updated.to_csv(output_updated, index=False)

df_t = pd.DataFrame({
    "Time": times,
    "Value_A": value_a_r,
    "Value_B": value_b_after_r
})
df_t.to_csv(output_transposed, index=False)

log_df = pd.DataFrame({
    "Time": times,
    "Value_A": value_a_r,
    "Value_B_before": value_b_before_r,
    "Value_B_after": value_b_after_r,
    "Error_before(B-A)": np.round(value_b_before_r - value_a_r, 3),
    "Error_after(B-A)": np.round(value_b_after_r - value_a_r, 3)
})
log_df.to_csv(output_log, index=False)

# =====================
# 검증
# =====================
EPS = 1e-12
assert np.all(
    np.abs(value_b_after[mask] - value_a.to_numpy()[mask]) <= TOL + EPS
)

# =====================
# 그래프
# =====================
plt.figure(figsize=(10, 5))
plt.plot(times[mask], value_b_before_r[mask], label="Value_B Before")
plt.plot(times[mask], value_b_after_r[mask], label="Value_B After")
plt.plot(times[mask], value_a_r[mask], linestyle="--", label="Value_A")

plt.fill_between(
    times[mask],
    value_a_r[mask] - TOL,
    value_a_r[mask] + TOL,
    alpha=0.2,
    label=f"±{TOL} Band"
)

plt.xlabel("Time")
plt.ylabel("Value")
plt.title("Value_B (Smooth Random Error within TOL)")
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.savefig(output_png, dpi=150)
plt.close()

output_updated, output_transposed, output_log, output_png