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

Python library for tracking time and displaying progress bars

ویژگی	مقدار
سیستم عامل	-
نام فایل	chronometry-2020.9.18.2
نام	chronometry
نسخه کتابخانه	2020.9.18.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Idin
ایمیل نویسنده	py@idin.ca
آدرس صفحه اصلی	https://github.com/idin/chronometry
آدرس اینترنتی	https://pypi.org/project/chronometry/
مجوز	MIT

# *Chronometry* ## `ProgressBar` ## `Estimator` `Estimator` is an object that estimates the running time of a single argument function. You can use it to avoid running a script for too long. For example, if you want to cluster a large dataset and running it might take too long, and cost too much if you use cloud computing, you can create a function with one argument `x` which takes a sample with `x` rows and clusters it; then you can use `Estimator` to estimate how long it takes to run it on the full dataset by providing the actual number of rows to the `estimate()` method. `Estimator` uses a *Polynomial* *Linear Regression* model and gives more weight to larger numbers for the training. ### Usage ```python from chronometry import Estimator from time import sleep def multiply_with_no_delay(x, y): return (x ** 2 + 0.1 * x ** 3 + 1) * 0.00001 + y * 0.001 def multiply(x, y): sleep_time = multiply_with_no_delay(x, y) if sleep_time > 30: raise sleep(sleep_time) if y == 6: sleep(12) elif 7 < y < 15: raise Exception() return sleep_time estimator = Estimator(function=multiply, polynomial_degree=3, timeout=5) # the `unit` argument chooses the unit of time to be used. By default unit='s' estimator.auto_explore() estimator.predict_time(x=10000, y=10000) ``` The above code runs for about *53* seconds and then estimates that `multiply(10000, 10000)` will take *1002371.7* seconds which is only slightly smaller than the correct number: *1001010* seconds. `max_time` is the maximum time allowed for the estimate function to run. If you are using `Estimator` in *Jupyter*, you can plot the measurements with the `plot()` method (no arguments needed) which returns a `matplotlib` `AxesSubplot` object and displays it at the same time. ```python estimator.plot('x') estimator.plot('y') ```

نیازمندی

مقدار	نام
-	pandas
-	numpy
-	slytherin
-	colouration
-	sklearn
-	ravenclaw
-	func-timeout
-	matplotlib

زبان مورد نیاز

مقدار	نام
~=3.6	Python

نحوه نصب

نصب پکیج whl chronometry-2020.9.18.2:

pip install chronometry-2020.9.18.2.whl

نصب پکیج tar.gz chronometry-2020.9.18.2:

pip install chronometry-2020.9.18.2.tar.gz