PyTables

PyTables jest zbudowany na bibliotece HDF5 i pakietu numarray Pythona.
Posiada interfejs oo, które w połączeniu z C-generowany kod z Cython zwiększa ogólną szybkość

Opis .

• Łatwa używać
• Wsparcie dla systemu NaturalNaming
• Łatwy dostęp do danych
• Oszczędność pamięci
• Struktura danych w sposób naturalny,
• Szybkie operacje We / Wy,

Co nowego w tym wydaniu:.

• Poprawiono fałszywe ostrzeżenia Porównanie unicode
• Ulepszona obsługa pustych atrybutów smyczkowych. W poprzednich wersjach PyTables pusty ciąg były przechowywane jako atrybuty mającego skalarnych HDF5 rozmiar 1 i wartość "& # x5c; 0" (pusty ciąg znaków zakończony NULL). Teraz pusty ciąg znaków są przechowywane jako atrybuty HDF5 o zerowej wielkości.
• Dodano nowy przepis książka kucharska i kilka przykładów prostych wątków z PyTables.
• zbędne: func: `Funkcja utilsextension.get_indices` został wyeliminowany (zastąpiony przez: met:` slice.indices`).
• Zezwalaj negatywne wskaźniki w wyborze punktu.
• Wskaźnik nie był używany, jeśli twierdził, nie było żadnych wyników.
• Atomy i Col typy nie są generowane dynamicznie, więc teraz łatwiej jest IDE i narzędzia do analizy statycznej, aby je obsłużyć.
• Funkcje keysort w idx-opt.c zostały cythonised używając skondensowane typy. Perfomance jest głównie na niezmienionym poziomie, ale kod jest znacznie bardziej prostsze teraz.
• Małe testy jednostkowe ponownie faktoringu.

Co nowego w wersji 3.1.1:

• Usprawnienia:
• Nie utworzyć tymczasowy tablicę, gdy * obj * parametr nie jest określony w: met:. `File.create_array`
• Dodano dwie nowe funkcje użytkowe (: func: `tables.nodes.filenode.read_from_filenode` i: func:` tables.nodes.filenode.save_to_filenode`) do bezpośredniego kopiowania plików do filenode z i na odwrót
• Usunięto: Plik:. `Przykłady / zagnieżdżone-iter.py` uznane już nie przydatne,
• Lepsze wykrywanie flagi `-msse2` kompilatora.
• błędy:
• Naprawiono błąd powodujący, że krytyczny wyjątek w momencie importu.
• Wewnętrzna biblioteka Blosc_ został zaktualizowany do wersji 1.3.5.

Co nowego w wersji 2.4.0:

• Dodano wsparcie dla typu danych float16. Jest on dostępny tylko wtedy, gdy dostarcza mu numpy również (tj numpy & # x3e; = 1,6).

Węzły
• liściowe mają teraz atrybuty pobierania rozmiaru danych w pamięci i na dysku. Dane na dysku może być skompresowany, więc nowe atrybuty sprawiają, że łatwo obliczyć racji kompresji danych.

Co nowego w wersji 2.3.1:

• Naprawiono błąd, który uniemożliwiał czytać skalarne zbiorów danych ZAIMPLEMENTOWANE typy.
• Naprawiono błąd w `setup.py` który spowodował instalację PyTables 2.3 na porażkę gospodarzy z wielu wersji Pythona zainstalowanych.

Co nowego w wersji 2.3.1 RC1:

• Naprawiono błąd, który uniemożliwiał czytać skalarne zbiorów danych rodzajów ZAIMPLEMENTOWANE.
• Naprawiono błąd w `setup.py` który spowodował instalację PyTables 2.3 na porażkę gospodarzy z wielu wersji Pythona zainstalowanych.

Co nowego w wersji 2.3:

• OPSI jest potężny i innowacyjne indeksowania silnika pozwalając PyTables do wykonywania Zapytania na szybkich dużych tablic. arbitralny Ponadto oferuje szeroki zakres poziomów optymalizacji dla jej indeksów, dzięki czemu użytkownik może wybrać najbardziej odpowiedni dla swoich potrzeb, które (mniej więcej wielkości, mniej lub bardziej wydajności). Kod Indeksacja korzysta również z możliwości Wektoryzacja pakietów Numpy i Numexpr aby zapewnić bardzo krótkie indeksowania i przeszukiwania razy.
• dopracowane cache LRU zarówno metadanych (węzłów) i regularne danych, który pozwala osiągnąć maksymalną prędkość do intensywnego obiektu drzewa podczas przeglądania danych odczytuje i zapytań. Uzupełnia on już obecny w pamięci podręcznej efektywne HDF5, choć jest to bardziej ukierunkowane struktur wysokiego szczebla, które są specyficzne dla PyTables i które są krytyczne dla osiągnięcia bardzo wysokiej wydajności.