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

Simple module to store data with arbitrary structure in dict or Pandas DataFrame

ویژگی	مقدار
سیستم عامل	-
نام فایل	accudata-1.0.1
نام	accudata
نسخه کتابخانه	1.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Pavel Gostev
ایمیل نویسنده	gostev.pavel@physics.msu.ru
آدرس صفحه اصلی	https://github.com/vongostev/accudata
آدرس اینترنتی	https://pypi.org/project/accudata/
مجوز	-

### Do you collect a heterogeneous data step by step? Here you find a convinient solution of this problem. class AccumulativeData provides a simple interface to store data step by step. The data can be consisted of: 1. Numbers 2. Lists / arrays 3. Objects You can store it as pickled object or Pandas Dataframe. ### Installation The module can be installed from pip ``` pip install accudata ``` ### For example You have a social data collecting process. You must collect on every step heterogeneous data: 1. Name of a person 2. Age 3. Interests 4. Preferences by categories: food, pets, sport, politics You can make a class: ```python from accudata import AccumulativeData class PeopleAccData(AccumulativeData): def __init__(self): lists = ['name', 'age', 'interests'] dicts = {'pref': ['food', 'pets', 'sport', 'politics]} super().__init__(lists=lists, dicts=dicts) ``` After that you can make an iterative collecting process as follows: ```python Data = PeopleAccData() for item in raw_data: Data.next() # \\\ A complicated code to extract data name, age, interests, food, pets, sport, politics, _ = extract_data(item) Data.append(name, age, interests, pref=[food, pets, sport, politics]) ``` It is simple to get data: ```python names = Data.name # Make the dataframe dataframe = Data.todf() print(dataframe.name) ```

نیازمندی

مقدار	نام
-	numpy
-	pandas

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl accudata-1.0.1:

pip install accudata-1.0.1.whl

نصب پکیج tar.gz accudata-1.0.1:

pip install accudata-1.0.1.tar.gz