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

Making Immutable and stateless data structures

ویژگی	مقدار
سیستم عامل	-
نام فایل	changeless-0.1.4
نام	changeless
نسخه کتابخانه	0.1.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Matt ODonnell
ایمیل نویسنده	odonnell004@gmail.com
آدرس صفحه اصلی	http://pypi.python.org/pypi/Changeless/
آدرس اینترنتی	https://pypi.org/project/changeless/
مجوز	LICENSE.txt

Changeless is a set of functions and objects to help convert your data into a set stateless or immutable data objects. Types ----- :: from changeless.types import FancyHash, FancyModel, ImmutableHash, ImmutableModel Fancy Types take a dict object and replaces the dereferencing operator ([]) with the dot operator. So the object :: an_obj= FancyHash({"name":"me"}) will allow us to retrieve the attribute 'name' with :: print "the object's name: " + an_obj.name >the object's name: matt Model Types take a Django ORM QueueSet and converts it to a comparable api. This uses the Fancy type as a base after converting the QuerySet to a dict. Foreign keys and many to many relationships are converted to nested dicts and lists of dicts(respectively) to aid in the objects behaving as similarly as possible. Note that Model Types retrieve all of data at once which includes by default relationships directly adjacent. This might incur more queries than expected. Choose your data carefully and scale back when necessary. - FancyHash(a\_dictonary) - FancyModel(a\_model, depth=1) - ImmutableHash(a\_dictonary) - ImmutableModel(a\_model, depth=1) Just pass the correct object into the type constructor to convert your data. Decorators ---------- :: from changeless.decorators import fancy_list @fancy_list def get_books(): return Book.objects.all() Place the following decorators before functions that return a Django ORM QueueSet to convert it to the correct changeless object. Decorators are the preferred way to use the changeless library. Using the decorators promote readability by keeping the conversion away from the ORM call, as well as providing an easy to way to turn the changeless conversion on and off. Notice that the \_gen decorators will return a generator that will lazily convert each object in the list. Generators may be more efficient for long lists. | The following generators are available. | \* fancy\_list \* fancy\_gen \* immutable\_list \* immutable\_gen Functions --------- I've found the following functions useful. ###fuzzyEquals### from changeless.compare import fuzzyEquals :: i_obj = FancyHash({"name":'test name', 'sub_dict':{'name':'sub name', 'attrib':'sub attr value'} }) second_i_obj = FancyHash({"name":'test name', 'sub_dict':{'name':'sub name', 'attrib':'sub attr value' }}) self.assertTrue( fuzzyEquals( i_obj, second_i_obj )) fuzzyEquals will find attributes that the changeless objects have in common and compare only that union. This also inspects nested relationships for shared attributes. ###to\_dict### from changeless.methods import to\_dict to\_dict is the reverse conversion from a base fancy\_object to its dictionary representation.

نحوه نصب

نصب پکیج whl changeless-0.1.4:

pip install changeless-0.1.4.whl

نصب پکیج tar.gz changeless-0.1.4:

pip install changeless-0.1.4.tar.gz