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 threading wrapper which can be used quickly to run tasks in parallel

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	ThreadingWrapper-0.0.1
نام	ThreadingWrapper
نسخه کتابخانه	0.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Tejas Hedly
ایمیل نویسنده	tejas.hedly@gmail.com
آدرس صفحه اصلی	https://github.com/thedly/pythreading-wrapper
آدرس اینترنتی	https://pypi.org/project/ThreadingWrapper/
مجوز	GNU GENERAL PUBLIC LICENSE

# pythreading-wrapper > pip install pythreading-wrapper usage ```commandline from concurrency import FunctionArgs, MultiThreading # a long running process that returns results based on # a parameter passed def long_running_process(param1: int): time.sleep(1) return param1 # imagine a large data set that needs to be chunked data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] def chunk(start: int, end: int): return data[start:end] if __name__ == "__main__": mp = MultiThreading() # run the process 5 times in parallel # the resturn types will be captured inside a dictionary #-------------------------------------------------------- # use case 1 : getting data for different parameters passed args = [FunctionArgs(long_running_process, output_var=item, param1=item) for item in range(5)] op: dict = threading.execute_async(*args) assert len(op.items()) == 5 # will be True assert op[1] == 1 # will be 1 assert op[2] == 2 # will be 2 assert op[3] == 3 # will be 3 assert op[4] == 4 # will be 4 #-------------------------------------------------------- # use case 2 : getting data by chunks from a large dataset # run the process 5 times in parallel # the resturn types will be captured inside a dictionary args = [FunctionArgs(chunk, output_var='', start=item, end=item+2) for item in range(0, 10, 2)] op: list = threading.execute_by_chunks_async(*args) print(op) assert data[1] in op # op will contain 1 assert data[3] in op # op will contain 3 assert data[5] in op # op will contain 5 assert data[7] in op # op will contain 7 ```

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl ThreadingWrapper-0.0.1:

pip install ThreadingWrapper-0.0.1.whl

نصب پکیج tar.gz ThreadingWrapper-0.0.1:

pip install ThreadingWrapper-0.0.1.tar.gz