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

dask chunked read_text on gzip file

ویژگی	مقدار
سیستم عامل	-
نام فایل	dask-igzip-0.2.0
نام	dask-igzip
نسخه کتابخانه	0.2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Jurismarches
ایمیل نویسنده	contact@jurismarches.com
آدرس صفحه اصلی	https://github.com/jurismarches/dask-igzip
آدرس اینترنتی	https://pypi.org/project/dask-igzip/
مجوز	-

Dask indexed gzip ################## |pypi-version| |travis| |coveralls| An implementation compatible with `dask read_text`_ interface, than can chunk a gzipped text file into several partitions, thanks to an index, provided by `indexed_gzip`_ This is useful when your data resides in a big gzipped file, yet you want to leverage dask parallelism capabilities. Sample session --------------- :: >>> import os >>> import dask_igzip .. initalization >>> data_path = os.path.join(os.path.dirname(dask_igzip.__file__), "..", "test", "data") :: >>> source = os.path.join(data_path, "sample.txt.gz") >>> # 3 lines per chunk (obviously this is for demoing) >>> bag = dask_igzip.read_text(source, chunk_size=3, encoding="utf-8") >>> lines = bag.take(4, npartitions=2) >>> print("".join(lines).strip()) a first sentence a second sentence a third sentence a fourth sentence >>> bag.str.upper().str.strip().compute()[8] 'LINE 9' Why ? ----- Dask `read_text` creates a unique partition if you provide it with a gzip file. This limitations comes from the fact that there is no way to split the gzip file in a predictable yet coherent way. This project provides an implementation where the gzip is indexed, then lines positions are also indexed, so that reading the text can be done by chunk (thus enabling parallelism). On first run, indexes are saved on disk, so that subsequent runs are fast. .. _`indexed_gzip`: https://githuib.com/pauldmccarthy/indexed_gzip .. _`dask read_text`: https://dask.pydata.org/en/latest/bag-creation.html#db-read-text .. |pypi-version| image:: https://img.shields.io/pypi/v/dask-igzip.svg :target: https://pypi.python.org/pypi/dask-igzip :alt: Latest PyPI version .. |travis| image:: http://img.shields.io/travis/jurismarches/dask_igzip/master.svg?style=flat :target: https://travis-ci.org/jurismarches/dask_igzip .. |coveralls| image:: http://img.shields.io/coveralls/jurismarches/dask_igzip/master.svg?style=flat :target: https://coveralls.io/r/jurismarches/dask_igzip Changelog ######### The format is based on `Keep a Changelog`_ and this project tries to adhere to `Semantic Versioning`_. .. _`Keep a Changelog`: http://keepachangelog.com/en/1.0.0/ .. _`Semantic Versioning`: http://semver.org/spec/v2.0.0.html 0.2.0 - 2018-06-20 ================== New --- - read_text now accept a limit parameter to limit the global amount of lines to read Changed ------- - incompatible format for lines index 0.1.0 - 2018-06-19 ================== New --- - initial release - 100% code coverage

نیازمندی

مقدار	نام
>=0.17.5	dask[bag]
>=0.8.5	indexed-gzip
>=1.22)	distributed
>=3.5.0)	flake8
>=2.5.1)	pytest-cov
>=3.4.2)	pytest

نحوه نصب

نصب پکیج whl dask-igzip-0.2.0:

pip install dask-igzip-0.2.0.whl

نصب پکیج tar.gz dask-igzip-0.2.0:

pip install dask-igzip-0.2.0.tar.gz