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 library for automated table normalization

ویژگی	مقدار
سیستم عامل	-
نام فایل	autonormalize-2.0.1
نام	autonormalize
نسخه کتابخانه	2.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Alteryx, Inc.
ایمیل نویسنده	support@featurelabs.com
آدرس صفحه اصلی	https://github.com/alteryx/autonormalize
آدرس اینترنتی	https://pypi.org/project/autonormalize/
مجوز	BSD 3-clause

# AutoNormalize ![Tests](https://github.com/FeatureLabs/autonormalize/workflows/Tests/badge.svg) AutoNormalize is a Python library for automated datatable normalization. It allows you to build an `EntitySet` from a single denormalized table and generate features for machine learning using [Featuretools](https://github.com/FeatureLabs/featuretools). <img src=https://github.com/FeatureLabs/autonormalize/blob/main/gif.gif> ## Getting Started - [Install](#install) - [Demos](#demos) - [API Reference](#api-reference) ## Install ```shell pip install featuretools[autonormalize] ``` #### Uninstall ```shell pip uninstall autonormalize ``` ## Demos - [Blog Post](https://blog.featurelabs.com/automatic-dataset-normalization-for-feature-engineering-in-python/) - [Machine Learning Demo with Featuretools](https://github.com/FeatureLabs/autonormalize/blob/master/autonormalize/demos/AutoNormalize%20%2B%20FeatureTools%20Demo.ipynb) - [Kaggle Liquor Sales Dataset Demo](https://github.com/FeatureLabs/autonormalize/blob/master/autonormalize/demos/Kaggle%20Liquor%20Sales%20Dataset%20Demo.ipynb) - [Demo with Editing Dependencies](https://github.com/FeatureLabs/autonormalize/blob/master/autonormalize/demos/Editing%20Dependnecies%20Demo.ipynb) - [Kaggle Food Production Dataset Demo](https://github.com/FeatureLabs/autonormalize/blob/master/autonormalize/demos/Kaggle%20Food%20%20Dataset%20Demo.ipynb) ## API Reference ### `auto_entityset` ```shell auto_entityset(df, accuracy=0.98, index=None, name=None, time_index=None) ``` Creates a normalized entityset from a dataframe. **Arguments:** - `df` (pd.Dataframe) : the dataframe containing data - `accuracy` (0 < float <= 1.00; default = 0.98) : the accuracy threshold required in order to conclude a dependency (i.e. with accuracy = 0.98, 0.98 of the rows must hold true the dependency LHS --> RHS) - `index` (str, optional) : name of column that is intended index of df - `name` (str, optional) : the name of created EntitySet - `time_index` (str, optional) : name of time column in the dataframe. **Returns:** - `entityset` (ft.EntitySet) : created entity set ### `find_dependencies` ```shell find_dependencies(df, accuracy=0.98, index=None) ``` Finds dependencies within dataframe with the DFD search algorithm. **Returns:** - `dependencies` (Dependencies) : the dependencies found in the data within the contraints provided ### `normalize_dataframe` ```shell normalize_dataframe(df, dependencies) ``` Normalizes dataframe based on the dependencies given. Keys for the newly created DataFrames can only be columns that are strings, ints, or categories. Keys are chosen according to the priority: 1. shortest lenghts 2. has "id" in some form in the name of an attribute 3. has attribute furthest to left in the table **Returns:** - `new_dfs` (list[pd.DataFrame]) : list of new dataframes <br /> ### `make_entityset` ```shell make_entityset(df, dependencies, name=None, time_index=None) ``` Creates a normalized EntitySet from dataframe based on the dependencies given. Keys are chosen in the same fashion as for `normalize_dataframe`and a new index will be created if any key has more than a single attribute. **Returns:** - `entityset` (ft.EntitySet) : created EntitySet <br /> ### `normalize_entityset` ```shell normalize_entityset(es, accuracy=0.98) ``` Returns a new normalized `EntitySet` from an `EntitySet` with a single entity. **Arguments:** - `es` (ft.EntitySet) : EntitySet with a single entity to normalize **Returns:** - `new_es` (ft.EntitySet) : new normalized EntitySet <br /> ## Built at Alteryx Innovation Labs <a href="https://www.alteryx.com/innovation-labs"> <img src="https://evalml-web-images.s3.amazonaws.com/alteryx_innovation_labs.png" alt="Alteryx Innovation Labs" /> </a>

نیازمندی

مقدار	نام
>=1.0.0	featuretools
>=1.13.3	numpy
>=0.23.0	pandas
>=4.19.2	tqdm
>=0.8.4	graphviz

زبان مورد نیاز

مقدار	نام
>=3.7, <4	Python

نحوه نصب

نصب پکیج whl autonormalize-2.0.1:

pip install autonormalize-2.0.1.whl

نصب پکیج tar.gz autonormalize-2.0.1:

pip install autonormalize-2.0.1.tar.gz