در PyTables در بالای کتابخانه HDF5 و بسته پایتون numarray ساخته شده است.
این دارای یک رابط OO که، همراه با کد C-تولید شده از Cython افزایش سرعت کلی
ویژگی ها:.
استفاده آسان
پشتیبانی از این طرح NaturalNaming
دسترسی آسان به اطلاعات
موجب صرفه جویی در حافظه
اطلاعات ساختار در یک راه طبیعی
من سریع / عملیات O
به چه چیزی جدید در این نسخه است:
ثابت هشدار نسبت یونیکد ساختگی.
دست زدن به بهبود صفات رشته خالی. '& # x5c. 0 در نسخه های قبلی از PyTables رشته خالی اسکالر HDF5 ویژگی داشتن اندازه 1 و ارزش ذخیره شده بودند (پوچ خالی خاتمه رشته). در حال حاضر رشته خالی ذخیره می شود به عنوان HDF5 ویژگی داشتن اندازه صفر است.
اضافه شدن یک دستور غذا کتاب آشپزی جدید و چند مثال برای نخ ساده با PyTables.
کار برکنار شده: تابع: تابع `utilsextension.get_indices` حذف شده است (به جای: مت:` slice.indices`).
اجازه می دهد شاخص منفی در انتخاب نقطه.
صفحه اول شد استفاده نمی شود اگر آن را ادعا نتیجهای وجود دارد.
اتم ها و انواع ستون دیگر تولید به صورت پویا بنابراین در حال حاضر آن را برای پر طرفدارترین IDE ها و ابزار تجزیه و تحلیل شخص که مسئولیت رسیدگی به آنها را آسان تر است.
توابع keysort در IDX-opt.c با استفاده از انواع ذوب cythonised شده است. بازده است عمدتا بدون تغییر است، اما کد خیلی بیشتر ساده تر در حال حاضر.
آزمون واحد کوچک دوباره مقاطعه.
در ارتقاء:
به چه جدید در نسخه 3.1.1 است:
آیا یک آرایه موقت ایجاد کند که * * * * * OBJ پارامتر در مشخص نشده است: مت: `File.create_array`.
اضافه شده دو تابع جدید ابزار (: تابع: `tables.nodes.filenode.read_from_filenode` و: تابع:` tables.nodes.filenode.save_to_filenode`) برای کپی مستقیم از فایل سیستم به filenode و بالعکس.
حذف: فایل: `نمونه / تو در تو-iter.py` دیگر در نظر گرفته مفید است.
تشخیص بهتر از `پرچم کامپایلر -msse2`.
اشکالات ثابت:
رفع اشکال مهم که در زمان واردات باعث استثناء است.
کتابخانه داخلی Blosc_ شده است به نسخه 1.3.5 به روز شد.
به چه جدید در نسخه 2.4.0 است:
اضافه شدن پشتیبانی برای نوع داده float16. این فقط در دسترس است اگر numpy آن را فراهم می و همچنین (به عنوان مثال numpy & # x3e. = 1.6).
برگ در حال حاضر ویژگی های برای بازیابی اندازه داده ها در حافظه و بر روی دیسک. داده ها روی دیسک را می توان فشرده، به طوری که ویژگی های جدید آن را آسان به محاسبه جیره فشرده سازی داده ها.
به چه جدید در نسخه 2.3.1 است:
رفع اشکال که مانع خواندن مجموعه داده های عددی از انواع UnImplemented.
رفع اشکال در `setup.py` که باعث نصب و راه اندازی PyTables 2.3 به شکست بر روی میزبان با نسخه های پایتون چند نصب شده است.
به چه جدید در نسخه 2.3.1 RC1 است:
رفع اشکال که مانع خواندن مجموعه داده های عددی از انواع UnImplemented.
رفع اشکال در `setup.py` که باعث نصب و راه اندازی PyTables 2.3 به شکست بر روی میزبان با نسخه های پایتون چند نصب شده است.
به چه چیزی جدید در نسخه 2.3 است:
OPSI یک موتور نمایه سازی و قدرتمند اجازه می دهد PyTables به انجام نمایش داده شد به سرعت در جداول خودسرانه بزرگ است. علاوه بر این، آن ارائه می دهد طیف گسترده ای از سطح بهینه سازی برای شاخص های آن به طوری که کاربر می تواند یکی از بهترین که مناسب نیازهای خود را (اندازه بیشتر یا کمتر، بیشتر یا کمتر عملکرد) را انتخاب کنید. کد Indexation نیز طول می کشد استفاده از قابلیت vectorization از بسته های NumPy و Numexpr برای اطمینان از نمایه سازی و جستجوی بار واقعا کوتاه است.
کش LRU ریز کوک برای هر دو ابرداده (گره) و داده ها به طور منظم که به شما امکان رسیدن به حداکثر سرعت برای مرور درخت شی فشرده در طول داده می خواند و نمایش داده شد. این مکمل حاضر کش در حال حاضر کارآمد در HDF5، اگر چه این گیربکس بیشتر به سمت ساختارهای سطح بالا که خاص PyTables هستند و برای دستیابی به عملکرد بسیار بالا بسیار مهم هستند.
نظر یافت نشد