معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A solution for handling big, multidimensional timeseries data from environmental sensors in HPC applications.

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	HDF5eis-0.1.1rc1
نام	HDF5eis
نسخه کتابخانه	0.1.1rc1
نگهدارنده	['Malcolm C. A. White']
ایمیل نگهدارنده	['malcolmw@mit.edu']
نویسنده	Malcolm C. A. White
ایمیل نویسنده	"Malcolm C. A. White" <malcolmw@mit.edu>
آدرس صفحه اصلی	http://malcolmw.github.io/HDF5eis
آدرس اینترنتی	https://pypi.org/project/HDF5eis/
مجوز	-

# HDF5eis Python API (read H-D-F-Size) #### A solution for handling big, multidimensional timeseries data from environmental sensors in HPC applications. HDF5eis is designed to 1. store primitive timeseries data with any number of dimensions; 2. store auxiliary and meta data in columnar format or as UTF-8 encoded byte streams alongside timeseries data; 3. provide a single point of *fast* access to diverse data distributed across many files; and 4. simultaneously leverage existing technology and minimize external dependencies. ```python import hdf5eis with hdf5eis.File("demo.hdf5", mode="w") as demo_file: # Add some random multidimensional timeseries data to the demo.hdf5 file. first_sample_time = "2022-01-01T00:00:00Z" sampling_rate = 100 demo_file.timeseries.add( np.random.rand(32, 16, 8, 16, 32, 1000), first_sample_time, sampling_rate, tag="random" ) # Data can be efficiently retrieved using hybrid dictionary (with regular expression parsing) # and array metaphors. start_time, end_time = "2022-01-01T00:01:00Z", "2022-01-01T00:02:00Z" sliced_data = demo_file.timeseries["rand*", 8:12, ..., 0, start_time: end_time] ``` # Installation ```bash >$ pip install hdf5eis ```

نیازمندی

مقدار	نام
-	h5py
-	matplotlib
-	numpy
-	pandas
-	scipy

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl HDF5eis-0.1.1rc1:

pip install HDF5eis-0.1.1rc1.whl

نصب پکیج tar.gz HDF5eis-0.1.1rc1:

pip install HDF5eis-0.1.1rc1.tar.gz