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

Functional programming tools for data processing

ویژگی	مقدار
سیستم عامل	-
نام فایل	fntools-1.1.2
نام	fntools
نسخه کتابخانه	1.1.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Taurus Olson
ایمیل نویسنده	taurusolson@gmail.com
آدرس صفحه اصلی	https://github.com/TaurusOlson/fntools
آدرس اینترنتی	https://pypi.org/project/fntools/
مجوز	MIT

fntools ======= .. image:: https://readthedocs.org/projects/fntools/badge/?version=master :target: https://readthedocs.org/projects/fntools/?badge=master :alt: Documentation Status **fntools** provides functional programming tools for data processing. This module is a set of functions that I needed in my work and found useful. Installation ------------ :: pip install fntools Examples -------- * Split a list of elements with factors with `split`:: songs = ('Black', 'Even Flow', 'Amongst the waves', 'Sirens') albums = ('Ten', 'Ten', 'Backspacer', 'Lightning Bolt') print split(songs, albums) {'Lightning Bolt': ['Sirens'], 'Ten': ['Black', 'Even Flow'], 'Backspacer': ['Amongst the waves']} * Determine whether any element of a list is included in another list with `any_in`:: print any_in(['Oceans', 'Big Wave'], ['Once', 'Alive', 'Oceans', 'Release']) True print any_in(['Better Man'], ['Man of the Hour', 'Thumbing my way']) False * Apply many functions on the data with `dispatch`:: # Suppose we want to know the mean, the standard deviation and the median of # a distribution (here we use the standard normal distribution) import numpy as np np.random.seed(10) x = np.random.randn(10000) print dispatch(x, (np.mean, np.std, np.median)) [0.0051020560019149385, 0.98966401277169491, 0.013111308495186252] Many more useful functions are available. For more details, go to the documentation_. Inspirations ------------ * The excellent toolz_ by `Matthew Rocklin`_ * `A pratical introduction to functional programming`_ by `Mary Rose Cook`_ * A bit of `R`_ (multimap, use, use_with) .. _documentation: http://fntools.readthedocs.org/en/latest .. _toolz: https://github.com/mrocklin/toolz .. _`A pratical introduction to functional programming`: http://maryrosecook.com/blog/post/a-practical-introduction-to-functional-programming .. _`Matthew Rocklin`: https://github.com/mrocklin .. _`Mary Rose Cook`: https://github.com/maryrosecook .. _R: http://www.r-project.org

نحوه نصب

نصب پکیج whl fntools-1.1.2:

pip install fntools-1.1.2.whl

نصب پکیج tar.gz fntools-1.1.2:

pip install fntools-1.1.2.tar.gz