معرفی شرکت ها
datasketch-1.5.9
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
Probabilistic data structures for processing and searching very large datasets
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | datasketch-1.5.9 |
| نام | datasketch |
| نسخه کتابخانه | 1.5.9 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | ekzhu |
| ایمیل نویسنده | ekzhu@cs.toronto.edu |
| آدرس صفحه اصلی | https://ekzhu.github.io/datasketch |
| آدرس اینترنتی | https://pypi.org/project/datasketch/ |
| مجوز | MIT |
datasketch: Big Data Looks Small
================================
.. image:: https://github.com/ekzhu/datasketch/workflows/Python%20package/badge.svg
:target: https://github.com/ekzhu/datasketch/actions
.. image:: https://zenodo.org/badge/DOI/10.5281/zenodo.290602.svg
:target: https://doi.org/10.5281/zenodo.290602
datasketch gives you probabilistic data structures that can process and
search very large amount of data super fast, with little loss of
accuracy.
This package contains the following data sketches:
+-------------------------+-----------------------------------------------+
| Data Sketch | Usage |
+=========================+===============================================+
| `MinHash`_ | estimate Jaccard similarity and cardinality |
+-------------------------+-----------------------------------------------+
| `Weighted MinHash`_ | estimate weighted Jaccard similarity |
+-------------------------+-----------------------------------------------+
| `HyperLogLog`_ | estimate cardinality |
+-------------------------+-----------------------------------------------+
| `HyperLogLog++`_ | estimate cardinality |
+-------------------------+-----------------------------------------------+
The following indexes for data sketches are provided to support
sub-linear query time:
+---------------------------+-----------------------------+------------------------+
| Index | For Data Sketch | Supported Query Type |
+===========================+=============================+========================+
| `MinHash LSH`_ | MinHash, Weighted MinHash | Jaccard Threshold |
+---------------------------+-----------------------------+------------------------+
| `MinHash LSH Forest`_ | MinHash, Weighted MinHash | Jaccard Top-K |
+---------------------------+-----------------------------+------------------------+
| `MinHash LSH Ensemble`_ | MinHash | Containment Threshold |
+---------------------------+-----------------------------+------------------------+
datasketch must be used with Python 2.7 or above, NumPy 1.11 or above, and Scipy.
Note that `MinHash LSH`_ and `MinHash LSH Ensemble`_ also support Redis and Cassandra
storage layer (see `MinHash LSH at Scale`_).
Install
-------
To install datasketch using ``pip``:
::
pip install datasketch
This will also install NumPy as dependency.
To install with Redis dependency:
::
pip install datasketch[redis]
To install with Cassandra dependency:
::
pip install datasketch[cassandra]
.. _`MinHash`: https://ekzhu.github.io/datasketch/minhash.html
.. _`Weighted MinHash`: https://ekzhu.github.io/datasketch/weightedminhash.html
.. _`HyperLogLog`: https://ekzhu.github.io/datasketch/hyperloglog.html
.. _`HyperLogLog++`: https://ekzhu.github.io/datasketch/hyperloglog.html#hyperloglog-plusplus
.. _`MinHash LSH`: https://ekzhu.github.io/datasketch/lsh.html
.. _`MinHash LSH Forest`: https://ekzhu.github.io/datasketch/lshforest.html
.. _`MinHash LSH Ensemble`: https://ekzhu.github.io/datasketch/lshensemble.html
.. _`Minhash LSH at Scale`: http://ekzhu.github.io/datasketch/lsh.html#minhash-lsh-at-scale
نیازمندی
| مقدار | نام |
|---|---|
| >=1.11 | numpy |
| >=1.0.0 | scipy |
| >=0.9.3 | pyhash |
| >=3.1.2 | matplotlib |
| >=0.21.3 | scikit-learn |
| >=1.3.3 | scipy |
| >=0.25.3 | pandas |
| >=0.1.7 | SetSimilaritySearch |
| >=0.2.2 | pyfarmhash |
| >=3.4.5 | nltk |
| >=3.20 | cassandra-driver |
| - | aiounittest |
| - | motor |
| >=2.10.0 | redis |
| >=3.20 | cassandra-driver |
| >=2.10.0 | redis |
| >=2.0.0 | mock |
| - | mockredispy |
| - | coverage |
| >=3.9.0 | pymongo |
| >=1.3.7 | nose |
| >=0.5.0 | nose-exclude |
| - | pytest |
نحوه نصب
نصب پکیج whl datasketch-1.5.9:
pip install datasketch-1.5.9.whl
نصب پکیج tar.gz datasketch-1.5.9:
pip install datasketch-1.5.9.tar.gz