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	cltoolkit-0.1.1
نام	cltoolkit
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/cldf/cltoolkit
آدرس اینترنتی	https://pypi.org/project/cltoolkit/
مجوز	MIT

# CL ToolKit [![Build Status](https://github.com/cldf/cltoolkit/workflows/tests/badge.svg)](https://github.com/cldf/cltoolkit/actions?query=workflow%3Atests) [![Documentation Status](https://readthedocs.org/projects/cltoolkit/badge/?version=latest)](https://cltoolkit.readthedocs.io/en/latest/?badge=latest) [![PyPI](https://img.shields.io/pypi/v/cltoolkit.svg)](https://pypi.org/project/cltoolkit) A Python Library for the Processing of Cross-Linguistic Data. By Johann-Mattis List and Robert Forkel. ## Overview While [pycldf](https://github.com/cldf/pycldf) provides a basic Python API to access cross-linguistic data encoded in [CLDF](https://cldf.clld.org) datasets, `cltoolkit` goes one step further, turning the data into full-fledged Python objects rather than shallow proxies for rows in a CSV file. Of course, as with `pycldf`'s ORM package, there's a trade-off involved, gaining convenient access and a more pythonic API at the expense of performance (in particular memory footprint but also data load time) and write-access. But most of today's CLDF datasets (or aggregations of these) will be processable with `cltoolkit` on reasonable hardware in minutes - rather than hours. The main idea behind `cltoolkit` is making (aggregated) CLDF data easily amenable for computation of *linguistic features* in a general sense (e.g. typological features, etc.). This is done by - providing the data for processing code [as Python objects](https://cltoolkit.readthedocs.io/en/latest/models.html), - providing [a framework](https://cltoolkit.readthedocs.io/en/latest/features.html) that makes feature computation as simple as writing a Python function acting on a `cltoolkit.models.Language` object. In general, aggregated CLDF Wordlists provide limited (automated) comparability across datasets (e.g. one could compare the number of words per language in each dataset). A lot more can be done when datasets use CLDF reference properties to link to reference catalogs, i.e. - [link language varieties](https://cldf.clld.org/v1.0/terms.rdf#glottocode) to [Glottolog](https://glottolog.org) languoids, - [link senses](https://cldf.clld.org/v1.0/terms.rdf#concepticonReference) to [Concepticon concept sets](https://concepticon.clld.org/parameters), - [link sound segments](https://cldf.clld.org/v1.0/terms.rdf#cltsReference) to [CLTS sounds](https://clts.clld.org/parameters). `cltoolkit` objects exploit this extended comparability by distinguishing "senses" and "concepts" and "graphemes" and "sounds" and providing convenient access to comparable subsets of objects in an aggregation (see [models.py](src/cltoolkit/models.py)). See [example.md](example.md) for a walk-through of the typical workflow with `cltoolkit`.

نیازمندی

مقدار	نام
>=18.2	attrs
>=3.5	clldutils
>=1.6	csvw
>=2.6.5	lingpy
-	pycldf
>=3.1	pyclts
-	uritemplate
-	flake8
-	twine
-	wheel
-	coverage
-	pyconcepticon
-	pytest-cov
-	pytest-mock
>=6	pytest

زبان مورد نیاز

مقدار	نام
>=3.5	Python

نحوه نصب

نصب پکیج whl cltoolkit-0.1.1:

pip install cltoolkit-0.1.1.whl

نصب پکیج tar.gz cltoolkit-0.1.1:

pip install cltoolkit-0.1.1.tar.gz