معرفی شرکت ها
dacc-0.0.2
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 بیشترتوضیحات
A declarative approache to data access object construction
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | dacc-0.0.2 |
| نام | dacc |
| نسخه کتابخانه | 0.0.2 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | OtoSense |
| ایمیل نویسنده | - |
| آدرس صفحه اصلی | https://github.com/i2mint/dacc |
| آدرس اینترنتی | https://pypi.org/project/dacc/ |
| مجوز | mit |
# dacc
A declarative approach to data access object construction
The idea is to be able to specify a DAG (Directed Acyclic Graph) of data
dependencies, and only have to retrieve or compute datas as they are needed.
This is an older solution, that will soon be replaced with a more modern approach,
involving properties and cached_properties...
## Example
Here is a full, and real, example of usage.
Here we tap into some website visitor data (in mongoDB) that has IP addresses for every visit,
and use those to get approximate geo-coordinates for the visit.
```python
from ut.util.data_flow import DataFlow
from pymongo import MongoClient
import pygeoip
from pandas import DataFrame
from collections import Counter
traj_names = {
'ip': 'IP',
'date': 'date'
}
event_names = {
'audience_volume': 'audience_volume',
'broadcast_population_range': 'broadcast_population_range',
'broadcast_hard_radius': 'broadcast_hard_radius'
}
ip_geo_data_filepath = '~/Data/geo/geoip/GeoLiteCity.dat' # GeoIP.dat?
traj_mongo_db = 'fuak'
traj_mongo_collection = 'visits'
gi = pygeoip.GeoIP(ip_geo_data_filepath)
def get_location_info(ip):
geo = gi.record_by_addr(ip)
return {'lat': geo.get('latitude'),
'lon': geo.get('longitude')}
ip_2_latlon = get_location_info
traj_data = MongoClient()[traj_mongo_db][traj_mongo_collection]
class TrajFeatBuilder(DataFlow):
def __init__(self, ip_geo_data_filepath=ip_geo_data_filepath, **kwargs):
params = dict()
params['data_dependencies'] = {
'ip_list': ['visitor_id'],
'ip_counts': ['ip_list'],
'latlon_counts': ['ip_counts']
}
params['data_makers'] = {k: params[k] for k in params['data_dependencies'].keys() if k in params.keys()}
kwargs = dict(kwargs, **params)
super(TrajFeatBuilder, self).__init__(**kwargs)
self.ip_2_latlon = get_location_info
self.traj_data = MongoClient()[traj_mongo_db][traj_mongo_collection]
def get_features(self, **kwargs):
visitor_id = kwargs.get('visitor_id', None)
if visitor_id:
ip_counts = self._ip_list_to_ip_counts(ip_list=self._visitor_id_to_ip_list(visitor_id=visitor_id))
# ip_counts = self._visitor_id_to_ip_list(visitor_id=visitor_id)
# ip_counts = Counter([x['ip'] for x in self.traj_data.find({'visitor_id': visitor_id},
# fields={'_id': False, 'ip': True})])
if len(ip_counts) == 0:
return None
else:
location_counts = DataFrame(map(self.ip_2_latlon, ip_counts.keys()))
location_counts['count'] = ip_counts.values()
return {'visitor_id': visitor_id, 'location_counts': self._ip_counts_to_latlon_counts(ip_counts)}
else:
raise ValueError('Unknown traj format (should be a visitor_id)')
def ip_list(self, visitor_id, **kwargs):
return [x['ip'] for x in self.traj_data.find({'visitor_id': visitor_id},
fields={'_id': False, 'ip': True})]
def ip_counts(self, ip_list, **kwargs):
return Counter(ip_list)
def latlon_counts(self, ip_counts, **kwargs):
latlon_counts = DataFrame(map(self.ip_2_latlon, ip_counts.keys()))
latlon_counts['count'] = ip_counts.values()
return latlon_counts
```
Make the object:
```python
dflow = TrajFeatBuilder(verbose_level=10)
```
Get an `ip_list` for a given visitor
```python
dflow.get_data('ip_list', visitor_id='201411301840218052872011')
```
```
['86.73.225.225',
'86.73.225.225',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'84.103.117.129',
'86.73.225.248',
'86.73.225.225',
'86.73.225.225',
'86.73.225.225',
'86.73.225.225',
'86.73.225.225',
'86.73.225.225',
'86.73.225.225']
```
Get a count of the locations coordinates where visitor was present.
```python
dflow.get_data('latlon_counts', visitor_id='201411301840218052872011')
```
| | lat | lon | count |
|---:|--------:|-------:|--------:|
| 0 | 48.9258 | 2.4453 | 1 |
| 1 | 48.9102 | 2.5532 | 12 |
| 2 | 48.9258 | 2.4453 | 9 |
نحوه نصب
نصب پکیج whl dacc-0.0.2:
pip install dacc-0.0.2.whl
نصب پکیج tar.gz dacc-0.0.2:
pip install dacc-0.0.2.tar.gz