معرفی شرکت ها
dataicer-0.2.1
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
Ice (save) your data and high level objects for use later.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | dataicer-0.2.1 |
| نام | dataicer |
| نسخه کتابخانه | 0.2.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | - |
| ایمیل نویسنده | trhallam@gmail.com |
| آدرس صفحه اصلی | https://github.com/trhallam/dataicer |
| آدرس اینترنتی | https://pypi.org/project/dataicer/ |
| مجوز | MIT |
# dataicer - [](https://pypi.org/project/dataicer)
<p align="left">
<a href="https://github.com/trhallam/digirock/actions"
alt="Python Tests">
<img src="https://img.shields.io/endpoint?url=https://gist.githubusercontent.com/trhallam/0da415ee1bf30b0fc37a2fc4ddafbdee/raw/dataicer_test.json" />
</a>
<a href="https://github.com/trhallam/digirock/actions"
alt="Python Test Coverage">
<img src="https://img.shields.io/endpoint?url=https://gist.githubusercontent.com/trhallam/0da415ee1bf30b0fc37a2fc4ddafbdee/raw/dataicer_coverage.json" />
</a>
<a href="https://github.com/psf/black"
alt="black">
<img src="https://img.shields.io/badge/code_style-black-000000.svg" />
</a>
</a>
<a href="https://github.com/trhallam/digirock/blob/main/LICENSE"
alt="License">
<img src="https://img.shields.io/badge/license-MIT-brightgreen" />
</a>
</p>
Ice (save) your data and high level objects for use later.
Do you have complex classes or objects that you want to save to disk and reinstate
later? Do you want to use a data structures natural save methods? Do you want it
to be easy and manageable, capturing key information so you can come back and load
your data again later if you need to?
`dataicer` can help you with all this. Build on top of `jsonpickle`, `dataicer`
allows you to create a central handler (just for a directory at the moment) where
Python objects can be saved in `json` format. However, while `json` format might
be ok for small objects or simple types it is not great for `numpy.ndarray` or
`pandas.DataFrame` or `xarray.Dataset` complex structures. Complex structures also
come with their own way of saving information and `dataicer` leverages this on top
of `jsonpickle` to create portable and recreatable saved Python state.
## Installation
Installation using `pip` via the source directory.
```
pip install .
```
or install from PyPi
```
pip install digirock
```
## Usage
First, create a new `DirectoryHandler` class. This points at the archive folder
you want to use.
If you have speical classes you need to pickle they need a special handler. Dataicer includes handlers for `numpy.ndarray`, `xarray.Dataarray` and `xarray.Dataset` and `pandas.DataFrame`. Handlers are unique to the `DirectoryHandler` instance.
```
from dataicer import DirectoryHandler, get_numpy_handlers, get_pandas_handlers, get_xarray_handlers
handlers = get_pandas_handlers()
handlers.update(get_xarray_handlers())
dh = DirectoryHandler("my_archive", handlers, mode="w")
```
Numpy arrays can be saved in single column `"txt"`, `"npy"` binary, or `"npz"` compressed.
Xarray structures can only be saved as `"nc"` netcdf.
Pandas DataFrames can be saved as `"h5"` hdf5 or `"csv"` text files.
Objects are then passed to the `ice` function of the `DirectoryHandler` as keyword arguments.
```
import numpy as np
import xarry as xr
import pandas as pd
dh.ice(nparr=np.zeros(10), df=pd.DataFrame(data={"a":[1, 2, 3]}), xarrds=xr.tutorial.scatter_example_dataset())
```
`dataicer` will create the directory `my_archive` and place three files identified via a uuid
in the directory for each object. There is also a JSON file with the key name containing all
the meta information for the object saved and a `meta.json` file which contains information
about the system state at the time the archive was created.
The `deice` command can be used to reload all of the arguments into a dictionary.
```
state = dh.deice()
state["nparr"]
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
```
نیازمندی
| مقدار | نام |
|---|---|
| - | jsonpickle |
| - | pytest |
| - | pytest-cov |
| - | pandas |
| - | numpy |
| - | xarray |
| - | h5netcdf |
| - | tables |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.8 | Python |
نحوه نصب
نصب پکیج whl dataicer-0.2.1:
pip install dataicer-0.2.1.whl
نصب پکیج tar.gz dataicer-0.2.1:
pip install dataicer-0.2.1.tar.gz