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

Enable the use of whylogs profiles to be used in flyte tasks to get aggregate statistics about data.

ویژگی	مقدار
سیستم عامل	-
نام فایل	flytekitplugins-whylogs-1.6.0b2
نام	flytekitplugins-whylogs
نسخه کتابخانه	1.6.0b2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	whylabs
ایمیل نویسنده	support@whylabs.ai
آدرس صفحه اصلی	https://github.com/flyteorg/flytekit/tree/master/plugins/flytekit-whylogs
آدرس اینترنتی	https://pypi.org/project/flytekitplugins-whylogs/
مجوز	apache2

# Flytekit whylogs Plugin whylogs is an open source library for logging any kind of data. With whylogs, you are able to generate summaries of datasets (called whylogs profiles) which can be used to: - Create data constraints to know whether your data looks the way it should - Quickly visualize key summary statistics about a dataset - Track changes in a dataset over time ```bash pip install flytekitplugins-whylogs ``` To generate profiles, you can add a task like the following: ```python import whylogs as why from whylogs.core import DatasetProfileView import pandas as pd from flytekit import task @task def profile(df: pd.DataFrame) -> DatasetProfileView: result = why.log(df) # Various overloads for different common data types exist profile_view = result.view() return profile ``` >**NOTE:** You'll be passing around `DatasetProfileView` from tasks, not `DatasetProfile`. ## Validating Data A common step in data pipelines is data validation. This can be done in `whylogs` through the constraint feature. You'll be able to create failure tasks if the data in the workflow doesn't conform to some configured constraints, like min/max values on features, data types on features, etc. ```python from whylogs.core.constraints.factories import greater_than_number, mean_between_range @task def validate_data(profile_view: DatasetProfileView): builder = ConstraintsBuilder(dataset_profile_view=profile_view) builder.add_constraint(greater_than_number(column_name="my_column", number=0.14)) builder.add_constraint(mean_between_range(column_name="my_other_column", lower=2, upper=3)) constraint = builder.build() valid = constraint.validate() if valid is False: print(constraint.report()) raise Exception("Invalid data found") ``` If you want to learn more about whylogs, check out our [example notebooks](https://github.com/whylabs/whylogs/tree/mainline/python/examples).

نیازمندی

مقدار	نام
<2.0.0,>=1.3.0b2	flytekit
>=1.1.16	whylogs[viz]

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl flytekitplugins-whylogs-1.6.0b2:

pip install flytekitplugins-whylogs-1.6.0b2.whl

نصب پکیج tar.gz flytekitplugins-whylogs-1.6.0b2:

pip install flytekitplugins-whylogs-1.6.0b2.tar.gz