PyTables

PyTables er bygget oven på HDF5 biblioteket og numarray Python pakken.
Det holder et OO interface, der, kombineret med C-genereret kode fra Cython øger den samlede hastighed

Funktioner :.

• Let at bruge
• Støtte til NaturalNaming ordning
• Let adgang til data
• Sparer hukommelse
• Struktur data på en naturlig måde
• Speedy I / O operationer

Hvad er nyt i denne udgivelse:.

• Rettet en falsk unicode sammenligning advarsel
• Forbedret håndtering af tomme string attributter. I tidligere versioner af PyTables tom streng blev opbevaret som skalar HDF5 attributter have størrelse 1 og værdi '& # x5c; 0 "(en tom null afsluttet streng). Nu tom streng gemmes som HDF5 attributter have nul størrelse.
• Tilføjet en ny kogebog opskrift og et par eksempler på simple gevindskæring med PyTables.
• overflødigt: func: `utilsextension.get_indices` funktion er blevet elimineret (erstattet af: meth:` slice.indices`).
• Tillad negative indekser i punkt valg.
• Index blev ikke bruges, hvis det hævdede var der ingen resultater.
• Atomer og Col typer er ikke længere genereres dynamisk, så nu er det nemmere for IDE'er og statisk analyseværktøj til at håndtere dem.
• De keysort funktioner i IDX-opt.c blevet cythonised hjælp smeltet typer. Den performance er hovedsagelig uændret, men koden er meget mere enkel nu.
• Lille unit test igen factoring.

Hvad er nyt i version 3.1.1:

• Forbedringer:
• Du må ikke oprette en midlertidig opstilling, når * obj * parameter ikke er angivet i: meth:. `File.create_array`
• Tilføjet to nye nyttefunktioner (: funk: `tables.nodes.filenode.read_from_filenode` og: func:` tables.nodes.filenode.save_to_filenode`) til direkte kopi fra filsystem til filenode og omvendt
• Fjernet: fil:. `Eksempler / indlejrede-iter.py` betragtes ikke længere er nyttige
• Bedre detektion af `-msse2` compiler flag.
• Bugs fast:
• Rettet en kritisk fejl, der forårsagede en undtagelse ved import tid.
• Den interne Blosc_ Biblioteket er blevet opdateret til version 1.3.5.

Hvad er nyt i version 2.4.0:

• Tilføjet støtte til float16 datatype. Det er kun tilgængelig, hvis numpy giver det så godt (dvs. numpy & # x3e; = 1,6).
• Leaf noder har nu attributter for at hente størrelsen af ​​data i hukommelsen og på disken. Data på disken kan komprimeres, så de nye attributter gør det nemt at beregne datakomprimering ration.

Hvad er nyt i version 2.3.1:

• Rettet en fejl, der forhindrede at læse skalare datasæt af ikke gennemførte typer.
• Rettet en fejl i `setup.py` der forårsagede installation af PyTables 2.3 til at mislykkes på værter med flere python-versioner installeret.

Hvad er nyt i version 2.3.1 RC1:

• Rettet en fejl, der forhindrede at læse skalare datasæt af ikke gennemførte typer.
• Rettet en fejl i `setup.py` der forårsagede installation af PyTables 2.3 til at mislykkes på værter med flere python-versioner installeret.

Hvad er nyt i version 2.3:

• OPSI er en kraftfuld og innovativ indeksering motor giver PyTables at udføre hurtige forespørgsler på arbitrært store tabeller. Desuden er det tilbyder en bred vifte af optimering niveauer for sine indekser, så brugeren kan vælge det bedste, der passer hendes behov (mere eller mindre størrelse, mere eller mindre ydeevne). Indeksering kode tager også fordel af vectorization kapaciteten i de numpy og Numexpr pakker for at sikre virkelig korte indeksering og søgning tider.
• En finjusteret LRU cache for både metadata (noder) og regelmæssig data, der lader dig opnå maksimal hastighed for intensiv objekt træ browsing under data læser og forespørgsler. Det supplerer de allerede effektive cache stede i HDF5, selv om dette er mere rettet mod højt niveau strukturer, der er specifikke for PyTables og der er kritiske for at opnå en meget høj ydelse.