معرفی شرکت ها
dff-node-stats-0.1a3
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
Statistics collection extension for Dialog Flow Framework (https://github.com/deepmipt/dialog_flow_framework).
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | dff-node-stats-0.1a3 |
| نام | dff-node-stats |
| نسخه کتابخانه | 0.1a3 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Denis Kuznetsov |
| ایمیل نویسنده | kuznetsov.den.p@gmail.com |
| آدرس صفحه اصلی | https://github.com/kudep/dff-node-stats |
| آدرس اینترنتی | https://pypi.org/project/dff-node-stats/ |
| مجوز | - |
# Statistics collection extension for Dialog Flow Framework
dff_node_stats is package, that extends basic [dialog_flow_engine](https://github.com/deepmipt/dialog_flow_engine) by adding statistic collection **and** dashboard for visualization.
# Installation
Installation:
```bash
# install dialog flow framework
pip install dff
# Install dff_node_stats
pip install dff-node-stats #basic
# the default version is only capable of saving stats to a csv file.
# However, you can use any combination of the listed extras that give you much more
# freedom in saving and analyzing your data.
# pip install dff-node-stats[api] # extra for rest-api interface
# pip install dff-node-stats[streamlit] # extra for streamlit-based dashboard
# pip install dff-node-stats[jupyter] # extra for jupyter-based dashboard
# pip install dff-node-stats[pg] # extra for postgresql backend
# pip install dff-node-stats[clickhouse] # extra for clickhouse backend
# pip install dff-node-stats[all] # extra for all options
```
# Code snippets
Insert stats in your dff code:
```python
# import dependencies
from df_engine.core.plot import Plot
from df_engine.core.actor import Actor
from dff_node_stats import Stats, Saver
# ....
# Define a plot and an actor
plot = Plot(foo)
actor = Actor(bar, baz)
# Define file for stats saving
stats = Stats(
saver=Saver("csv://examples/stats.csv")
)
# As an alternative, you can use a database. Currently, Clickhouse and Postgreql are supported
stats = Stats(
saver=Saver("postgresql://user:password@localhost:5432/default")
)
# You can optionally add predefined Collectors to gather additional data
from dff_node_stats import collectors as DSC
from dff_node_stats import Stats, Saver
stats = Stats(
saver=Saver("csv://examples/stats.csv"),
collectors=[
DSC.NodeLabelCollector()
]
)
# Or define your own Collector.
# It should implement methods and properties, defined in the Collector protocol,
# which will make it compatible with multiple databackends.
# For more information see dff_node_stats.collectors
# Add handlers to actor
stats.update_actor_handlers(actor, auto_save=False)
# ....
# Handle user requests
# ....
```
Dashboard on stored data (\[streamlit\] extra required!):
```python
from dff_node_stats import Stats, Saver
from dff_node_stats.widgets.streamlit import StreamlitDashboard
stats = Stats(
saver=Saver("csv://examples/stats.csv")
)
streamlit_dashboard = StreamlitDashboard(df)
streamlit_dashboard()
```
http-api on stored data (\[api\] extra required!om dff_node_stats import Stats, Saver
```python
from dff_node_stats.api import api_run
from dff_node_stats import Stats, Saver
stats = Stats(
saver=Saver("csv://examples/stats.csv"),
collectors=[
DSC.NodeLabelCollector()
]
)
api_run(stats.dataframe)
```
# Run Examples:
```bash
# run dff dialog bot and collect stats
python examples/1.collect_stats.py
# or this one, they have differences only in a dialog scripts
python examples/1.collect_stats_vscode_demo.py
# run dashboard (make sure you installed the lib with [streamlit] extra)
streamlit run examples/2.run_dashboard_for_stats.py
# run api and follow to swagger by http://localhost:8000/docs
# note that [api] install option is required.
python examples/2.get_stats_by_api.py
# jupyter version of the dashboard can be launched by:
jupyter notebook examples/run_dashboard.ipynb
# you need to have [jupyter] option installed.
```
نیازمندی
| مقدار | نام |
|---|---|
| >=1.3.1 | pandas |
| >=0.8.1 | df-engine |
| >=4.62.3 | tqdm |
| >=1.8.2 | pydantic |
| ==2.1.1 | infi.clickhouse-orm |
| >=2.9.2 | psycopg2 |
| ==1.4.27 | SQLAlchemy |
| >=0.68.0 | fastapi |
| >=0.14.0 | uvicorn |
| >=1.1.0 | streamlit |
| ==0.17 | graphviz |
| ==7.6.5 | ipywidgets |
| ==5.1.1 | traitlets |
| >=5.5.0 | plotly |
| >=0.68.0 | fastapi |
| >=0.14.0 | uvicorn |
| ==2.1.1 | infi.clickhouse-orm |
| ==2.1.1 | infi.clickhouse-orm |
| >=2.9.2 | psycopg2 |
| ==1.4.27 | SQLAlchemy |
| >=0.68.0 | fastapi |
| >=0.14.0 | uvicorn |
| >=1.1.0 | streamlit |
| ==0.17 | graphviz |
| ==7.6.5 | ipywidgets |
| ==5.1.1 | traitlets |
| >=5.5.0 | plotly |
| ==7.6.5 | ipywidgets |
| ==5.1.1 | traitlets |
| >=0.17 | graphviz |
| >=5.5.0 | plotly |
| >=2.9.2 | psycopg2 |
| ==1.4.27 | SQLAlchemy |
| >=1.1.0 | streamlit |
| >=0.17 | graphviz |
| >=5.5.0 | plotly |
نحوه نصب
نصب پکیج whl dff-node-stats-0.1a3:
pip install dff-node-stats-0.1a3.whl
نصب پکیج tar.gz dff-node-stats-0.1a3:
pip install dff-node-stats-0.1a3.tar.gz