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

ویژگی	مقدار
سیستم عامل	-
نام فایل	category-0.1.0
نام	category
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/raynardj/category
آدرس اینترنتی	https://pypi.org/project/category/
مجوز	GPLv3+

# category > Categorical transformation for data science [![PyPI version](https://img.shields.io/pypi/v/category)](https://pypi.org/project/category) ![Python version](https://img.shields.io/pypi/pyversions/category) ![License](https://img.shields.io/github/license/raynardj/category) ![PyPI Downloads](https://img.shields.io/pypi/dm/category) ## Installation pip install works for this library. ```shell pip install category ``` ## Single Category ```python >>> from category import Category >>> book = Category(['a', 'b', 'c', 'Category_d', 'e', 'f', 'g', 'h', 'i', 'j'], pad_mst = False) >>> book.i2c[2] 'c' >>> book.c2i[['Category_d','f']] array([3, 5]) ``` You can set ```pad_mst``` to ```True``` to handle the missing token ```python >>> from category import Category >>> book = Category(['a', 'b', 'c', 'Category_d', 'e', 'f', 'g', 'h', 'i', 'j'], pad_mst = True) >>> book.i2c[2] # the 1st token is the missing token, not 'a' any more 'b' >>> book.c2i[['Stranger','Category_d','Unknown','f']] array([0, 4, 0, 6]) ``` ## Multi-Category ```python >>> from category import (Category, MultiCategory) >>> cates = list(f"category{i}" for i in range(1000)) >>> multi_cate = MultiCategory(Category(cates, pad_mst = True)) >>> multi_cate.string_to_index("category42, category108") array([42, 108]) ``` You can also try to convert a list of strings, containing multicategorical info (which the data input is frequently used in tabular data), to nhot encoded array, and back ```python >>> nhot = multi_cate.batch_strings_to_nhot(["category42, category108","category999"]) >>> multi_cate.nhot_to_list(nhot)[0] ["category42", "category108"] ``` ## Performance The running speed of this library mostly depends on python dictionary and numpy operations. Though python is a 'slow' language, such application is pretty fast, and not easy to improve using other language. Here we compare the this library with the [Rust implementation](https://github.com/raynardj/rust_category) ## References * [GitHub](https://github.com/raynardj/category) * [PyPI package](https://pypi.org/project/category/) * [Rust implementation](https://github.com/raynardj/rust_category) * Used in [Tai-Chi engine](https://github.com/tcengine/tai-chi), a verstile user-friendly deep learning library

نیازمندی

مقدار	نام
-	numpy
-	rust-category

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl category-0.1.0:

pip install category-0.1.0.whl

نصب پکیج tar.gz category-0.1.0:

pip install category-0.1.0.tar.gz