PyTables

PyTables è costruito in cima alla biblioteca HDF5 e il pacchetto Numarray Python.
Essa detiene un'interfaccia OO che, in combinazione con C-codice generato da Cython aumenta la velocità generale

Caratteristiche .

• Facile usare
• Supporto per il regime NaturalNaming
• Accesso facile ai dati
• Salva memoria
• Dati struttura in un modo naturale
• I Speedy / O che

Cosa c'è di nuovo in questa versione:.

• Risolto un avvertimento confronto unicode spurie
• Migliorata la gestione degli attributi di stringa vuota. Nelle versioni precedenti di PyTables stringa vuota sono stati conservati come scalare HDF5 attributi avente dimensioni 1 e il valore '& # x5C; 0' (un nullo vuoto stringa terminata). Ora stringa vuota vengono memorizzati come attributi HDF5 avere dimensioni pari a zero.
• Aggiunta una nuova ricetta libro di cucina e un paio di esempi per semplice threading con PyTables.
• Il ridondante: func: `funzione utilsextension.get_indices` è stato eliminato (sostituito da: meth:` slice.indices`).
• Consenti indici negativi di selezione del punto.
• Indice non è stato utilizzato se ha sostenuto non ci sono risultati.

Tipi
• Atoms e Col non vengono generati dinamicamente in modo da ora è più facile per IDE e strumento di analisi statica per gestirli.
• Le funzioni keysort in idx-opt.c sono state cythonised utilizzando i tipi fusi. La perfomance è in gran parte invariato, ma il codice è molto più semplice ora.
• Piccolo test unitari ri-factoring.

Cosa c'è di nuovo nella versione 3.1.1:

• Miglioramenti:
• Non creare un array temporaneo quando il * obj * parametro non viene specificato: meth:. `File.create_array`
• aggiunta di due nuove funzioni di utilità (: func: `tables.nodes.filenode.read_from_filenode` e: func:` tables.nodes.filenode.save_to_filenode`) per la copia diretta da filesystem filenode e viceversa
• Rimosso il: file:. `Examples / nested-iter.py` considerato non più utile
• Una migliore rilevazione della bandiera `-msse2` compilatore.
• Problemi risolti:
• Risoluzione di un errore critico che ha provocato un errore al momento dell'importazione.
• La libreria interna Blosc_ è stato aggiornato alla versione 1.3.5.

Cosa c'è di nuovo nella versione 2.4.0:

• Aggiunto il supporto per il tipo di dati float16. E 'disponibile solo se NumPy fornisce pure (cioè NumPy & x3e #; = 1.6).

Nodi
• Leaf hanno ora gli attributi per recuperare la dimensione dei dati in memoria e su disco. I dati sul disco possono essere compressi, in modo che i nuovi attributi rendono facile da calcolare il rapporto di compressione dei dati.

Cosa c'è di nuovo nella versione 2.3.1:

• Risoluzione di un errore che impediva di leggere set di dati scalari di tipi lettera morta.
• Risolto un bug in `setup.py` che ha causato l'installazione di PyTables 2.3 a fallire su host con più versioni di Python installate.

Cosa c'è di nuovo nella versione 2.3.1 RC1:

• Risoluzione di un errore che impediva di leggere set di dati scalari dei tipi lettera morta.
• Risolto un bug in `setup.py` che ha causato l'installazione di PyTables 2.3 a fallire su host con più versioni di Python installate.

Cosa c'è di nuovo nella versione 2.3:

• OPSI è un potente e innovativo motore di indicizzazione che permette di eseguire PyTables query veloci su arbitrariamente grandi tavoli. Inoltre, offre una vasta gamma di livelli di ottimizzazione per gli indici in modo che l'utente può scegliere il migliore che si adatta alle sue necessità (più o meno dimensioni, più o meno prestazioni). Codice Indicizzazione sfrutta anche le capacità di vettorizzazione dei pacchetti Numpy e Numexpr per garantire veramente brevi tempi di indicizzazione e ricerca.
• La cache fine-tuned LRU sia per i metadati (nodi) e regolare dei dati che consente di raggiungere la massima velocità per la navigazione intensiva albero oggetto durante letture di dati e query. Essa integra la cache già efficiente presente in HDF5, anche se questo è più orientato verso le strutture di alto livello che sono specifici per PyTables e che sono fondamentali per il raggiungimento di prestazioni molto elevate.