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

out-of-core processing and plotting of MultiNest output

ویژگی	مقدار
سیستم عامل	-
نام فایل	barrett-0.2.1
نام	barrett
نسخه کتابخانه	0.2.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Sebastian Liem
ایمیل نویسنده	sebastian@liem.se
آدرس صفحه اصلی	https://github.com/sliem/barrett
آدرس اینترنتی	https://pypi.org/project/barrett/
مجوز	ISC

======= barrett ======= barrett is a software package meant to process and visualise the output of the nested sampling algorithm MultiNest. There are several packages already on the market for this, but barrett's main differential feature is out-of-core processing so the code can handle very large datasets. Specific technologies: HDF5, and Python (h5py, scipy, numpy, matplotlib). Usage ----- barrett is split into four submodules: + barrett.data implements methods for modifying data (e.g. log, change units) or calculate depended variables (e.g. mean squark mass) + barrett.posterior is for calculating and plot the one or two dimensional marginal posterior distribution. + barrett.profilelikelihood is for calculating and plot the one or two dimensional profile likelihood. + barrett.util contain various utility functions most notable convert_chain() which converts the plain text MultiNest output to the HDF5 format used by barrett. As for parallelisation; writing to the same hdf5 file is strongly discouraged. Reading the file is however perfectly fine. So posterior/profilelikelihood module is perfectly parallelisable. The code itself is not parallelised, instead I recommend using Python's multiprocessing module to producing several plots in parallell. In most system tested the plotting is CPU bound, your mileage may vary. Installation ------------ Barrett is available on PyPI and can be installed using pip pip install barrett Cite ---- If you use barrett in your research please cite arXiv:1608.00990: @article{2016arXiv160800990L, author = {Liem, Sebastian}, title = "{Barrett: out-of-core processing of MultiNest output}", archivePrefix = "arXiv", eprint = {1608.00990}, primaryClass = "stat.CO", year = 2016 } Example ------- Please check the example directory for plot.py for an, you guessed it, example.

نیازمندی

مقدار	نام
-	h5py
-	matplotlib
-	numpy
-	scipy

نحوه نصب

نصب پکیج whl barrett-0.2.1:

pip install barrett-0.2.1.whl

نصب پکیج tar.gz barrett-0.2.1:

pip install barrett-0.2.1.tar.gz