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

Store Implementation for Data Sets in MongoDB

ویژگی	مقدار
سیستم عامل	-
نام فایل	frappymongodataset-1.3.3
نام	frappymongodataset
نسخه کتابخانه	1.3.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Peter Ilfrich
ایمیل نویسنده	das-peter@gmx.de
آدرس صفحه اصلی	https://github.com/ilfrich/frappy-py-mongo-dataset-store
آدرس اینترنتی	https://pypi.org/project/frappymongodataset/
مجوز	-

# MongoDB User Stores for Python Python Store Implementation for Data Sets in MongoDB 1. [Usage](#usage) 2. [Methods](#methods) ## Usage ```python from frappymongodataset import DataStore MONGO_URL = "mongodb://localhost:27017" data_set_store = DataStore(mongo_url=MONGO_URL, mongo_db="myDatabase", collection_name="dataSets") all_data_sets = data_set_store.get_all() specific_data_sets = data_set_store.get_by_assignment("primaryKey") ``` The return objects from `get` methods are objects of type `Data`. `Data` provides an attribute `payload`, which returns the type of payload represented by the data set. These types are: - `DataImagePayload` for images providing attributes `image_path`, `width` and `height` - `DataJsonPayload` providing the JSON payload with the attribute `data` - `DataTimeSeriesPayload` providing attributes `columns`, `data` (the rows), `date_format`, `index_column` and `column_mapping` **Examples** ```python from frappymongodataset import DataTypes images = data_set_store.get_by_type(DataTypes.IMAGE) print(images[0].payload.path, images[0].payload.dimensions["width"], images[0].payload.dimensions["height"]) # prints out something like: "_data/5e846d104e61db060094ed14.jpg 1200 600" nd_array = images[0].to_np_array() # will only work for IMAGE time_series = data_set_store.get_by_type(DataTypes.TIME_SERIES) print(time_series[0].payload.columns) df = time_series[0].to_pd_data_frame() # will only work for TIME_SERIES ``` ## Methods Base methods provided by [`pbu`](https://pypi.org/project/pbu/) - `get_all()` - contrary to other stores, this will not return the payload of the individual data sets, but just the meta information - `update_meta(data_id, meta_update)` - updating meta information, needs to contain "label" and "assignments" update - `get_by_type(data_type)` - filters by the data sets `type` attribute - `get_by_assignment_and_type(assignment_id, data_type)` - filters by the data sets `type` attribute and has to have an assignment for the group `assignment_id` - `get_by_assignment(assignment_id)` - just checks for an `assignments` to the group provided - `get_by_assignment_type(assignment_id, assignment_type)` - not to be confused with `get_by_assignment_and_type` - this method will check for the `assignment_id` in the `assignments`, and within that (a list of identifier) assignment for the type `assignment_type`

نیازمندی

مقدار	نام
>=1.0.0	pbumongo
-	numpy
-	Pillow
-	pandas

نحوه نصب

نصب پکیج whl frappymongodataset-1.3.3:

pip install frappymongodataset-1.3.3.whl

نصب پکیج tar.gz frappymongodataset-1.3.3:

pip install frappymongodataset-1.3.3.tar.gz