معرفی شرکت ها

fedex-generator-0.0.3

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.0.3
0.0.2
0.0.3
0.0.2

توضیحات

-
ویژگی مقدار
سیستم عامل -
نام فایل fedex-generator-0.0.3
نام fedex-generator
نسخه کتابخانه 0.0.3
نگهدارنده []
ایمیل نگهدارنده []
نویسنده -
ایمیل نویسنده -
آدرس صفحه اصلی -
آدرس اینترنتی https://pypi.org/project/fedex-generator/
مجوز -
# Fedex Genarator ### Introduction FEDEx Genarator is a system that assists in the process of EDA (Exploratory Data Analysis) sessions. Based on FEDEx work (https://github.com/TAU-DB/FEDEx), it gives the user the option to generate NL explanations + Visualizations to their queries (Filter/GroupBy/Join) results. ### How it works FEDEx generator is forked from on FEDEx system, and offer new process to get explanation: 1. The user users query (filter/groupby/join), and pass to FEDEx the input dataframe, output dataframe and the query parameters. 3. FEDEx calculates an Interestingness Measure (that works well with the specific operation, for example Exceptionality measure for Filter and Join operations) for every column in the output dataframe (the query result) 4. FEDEx finds the most interesting columns and partition them to set of rows. 5. Then it finds the set-of-rows that affects the Interesingness measure result the most (from [2]). 6. Now FEDEx takes the top columns and set-of-rows and generates meaningful explanations For the full details, you can either view the code or read the FEDEx article which will be referenced here really soon:) ### Example In FEDEx example they used the spotify dataset from Kaggle. The first operation of our user was `SELECT * FROM Spotify WHERE popularity > 65;` The raw output (Snip) - ![Filter output](Images/filter_result.jpg) The generated explanation - ![Filter explanation](Images/filter_explanation.jpg) The second operation of the user was `SELECT AVG(dancability), AVG(loudness) FROM [SELECT * FROM Spotify WHERE year >= 1990] GROUPBY year;` The raw output (Snip) - ![GroupBy output](Images/groupby_result.jpg) The generated explanation - ![GroupBy explanation](Images/groupby_explanation.jpg) ### Usage **Notice** - This project was tested on python version 3.6-3.8. First, you have to install the requirements - `py -3 -m pip install -r requirements.txt` Secondly, you should install latex on your system (the explanations inside the graphs require that). Things will still work even without latex but the experince might be a bit inferior. This fork created to work on some adjusments for a API that will allow users to use pandas and generate explanations without effort and without using additional dedicated API.


نیازمندی

مقدار نام
- wheel
- pandas
- numpy
- python-dotenv
- singleton-decorator
- ipython
- scipy
- paretoset


نحوه نصب


نصب پکیج whl fedex-generator-0.0.3:

    pip install fedex-generator-0.0.3.whl


نصب پکیج tar.gz fedex-generator-0.0.3:

    pip install fedex-generator-0.0.3.tar.gz