معرفی شرکت ها

Pre-processor-0.0.7

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.0.7
0.0.6
0.0.5
0.0.4
0.0.7
0.0.6
0.0.5
0.0.4

توضیحات

csv and json file preprocessor
ویژگی مقدار
سیستم عامل OS Independent
نام فایل Pre-processor-0.0.7
نام Pre-processor
نسخه کتابخانه 0.0.7
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Neeraj Kumar
ایمیل نویسنده neeraj_kumar22@optum.com
آدرس صفحه اصلی https://github.com/ndevsinha/Pre_processor
آدرس اینترنتی https://pypi.org/project/Pre-processor/
مجوز -
# Preprocessor Preprocessor is a python library for preprocessing the csv file and flattening the json file - Preprocess csv file for missing value handling, missing value replacement - Preprocess csv file having textual column for text preprocessing and word normalization - Automatically detects the columns data type for csv file and do the preprocessing - Flatten any level complex json file . ## Documentation ##### Preprocessor Class : >Pre_processor.preprocessor.Preprocessor(file,filetype=None,encoding=None) ###### Parameters: - file : str,csv,dict File to be preprocessed - filetype : str Type of the input file.Valid options are either dataframe or json - encoding : str encoding scheme for reading file.Default is ISO-8859-1 ##### Methods : >preprocessor.df_preprocessor(threshold_4_delete_null=0.5,no_null_columns=None, numeric_null_replace=None,textual_column_word_tokenize=False,textual_column_word_normalize=None) ###### Parameters: - threshold_4_delete_null : float Ratio of the null values to number of rows for columns to be deleted. - no_null_columns :list List of columns which must not have any null values - numeric_null_replace : dict Logic for replacement of null values in numeric column. When None all numeric column's null value will be replaced by mean. Dict format should be {"mean":[list of column name],"median":[list of columname],"mode":[list of column names]} In case of giving input as dict format, users need to provide exaustivelist of column combining all three keys mean,median and mode. - textual_column_word_tokenize : Boolean Whether tokenization of word needed in case of textual column - textual_column_word_normalize : str Type of normalization of words needed in Textual columns.Either stem or lemma for word stemming and word lemmatization respectively. >preprocessor.json_preprocessor() ###### parameters -No parameters needed ## Code Samples ##### csv file preprocessing using file path ```python from Pre_processor.preprocessor import Preprocessor as pps p = pps(file="example.csv") data = p.csv_preprocessor(threshold_4_delete_null=0.7,textual_column_word_tokenize=True) ```


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl Pre-processor-0.0.7:

    pip install Pre-processor-0.0.7.whl


نصب پکیج tar.gz Pre-processor-0.0.7:

    pip install Pre-processor-0.0.7.tar.gz