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

Simple data processing tool.

ویژگی	مقدار
سیستم عامل	-
نام فایل	datapiper-0.1.0
نام	datapiper
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Petri Savolainen
ایمیل نویسنده	petri.savolainen@koodaamo.fi
آدرس صفحه اصلی	https://github.com/koodaamo/datapiper
آدرس اینترنتی	https://pypi.org/project/datapiper/
مجوز	GPLv3

=============================== Overview =============================== Datapiper provides a flexible easy-to-use library for constructing and running simple data batch processing pipelines. Give Datapiper your list of data processing callables and it will construct a runnable data pipeline for you. If you instantiate the pipe with a (iterable) data source, you get a generator that reads from a source and outputs processed data for you: .. code-block:: >>> operations = [lambda context, data: data+1] >>> datasource = [1,2,3] >>> p = Piper(operations, source=datasource) >>> print p pipe: source > <lambda> >>> [r for r in p] [2,3,4] If you instead instantiate it with a (callable) data sink, you get a coroutine that accepts data from a producer and delivers processed data to a sink: .. code-block:: >>> operations = [lambda context, data: data+1] >>> results = [] >>> def datasink(data): ... results.append(data) >>> p = Piper(operations, sink=datasink) >>> print p pipe: <lambda> > sink >>> for v in (1,2,3): ... p.send(v) ... >>> results [2,3,4] The context parameter passed to the data operations callables is meant for sharing state between them. It can be initialized to desired value(s) by passing it to the Piper class as a (optional) keyword argument. The context parameter can be anything; a dictionary is recommended. Please see the tests for more examples. History ------- 0.1.0 (2017-10-31) ++++++++++++++++++ * First release on PyPI.

نحوه نصب

نصب پکیج whl datapiper-0.1.0:

pip install datapiper-0.1.0.whl

نصب پکیج tar.gz datapiper-0.1.0:

pip install datapiper-0.1.0.tar.gz