PyTables

PyTables ay itinayo sa tuktok ng HDF5 library at ang numarray Python package.
Ito ay mayroong isang Oo interface na, pinagsama sa C-generated code mula Cython nagdaragdag pangkalahatang bilis

Features .

• Madaling gamitin ang
• Suporta para sa NaturalNaming scheme
• Madaling pag-access sa data
• Makakatipid memory
• Istraktura ng data sa isang natural na paraan
• Mabilis ako / O operasyon

Ano ang bago sa release na ito.

• Permanenteng isang palso babala unicode paghahambing
• Pinahusay na paghawak ng mga walang laman na mga katangian string. Sa nakaraang bersyon ng PyTables walang laman na string ay naka-imbak bilang skeilar HDF5 katangian ng pagkakaroon size 1 at halaga '& # x5c; 0' (isang walang laman null tinapos string). Ngayon walang laman na string ay naka-imbak ang mga katangian HDF5 pagkakaroon ng zero na laki.
• Nagdagdag ng bagong recipe cookbook at isang pares ng mga halimbawa para sa mga simpleng threading sa PyTables.
• Ang kalabisan: func: `utilsextension.get_indices` function na ay eliminated (papalitan sa pamamagitan ng: meth:` slice.indices`).
• Payagan ang mga negatibong indeks sa selection point.
• Index ay hindi ginagamit kung ang inaangkin ito doon ay walang mga resulta.
• Atoms at col uri ay hindi na dynamic na nabuo kaya ngayon ito ay mas madali para sa IDEs at tool static analysis upang mahawakan ang mga ito.
• Ang keysort function sa idx-opt.c ay cythonised gamit fused uri. Perfomance ay halos hindi magbabago, ngunit ang code ay mas simple na ngayon.
• Maliit na yunit ng pagsusulit muling factoring.

Ano ang bago sa bersyon 3.1.1:

• Pagpapabuti:
• Huwag lumikha ng isang pansamantalang array kapag ang * obj * parameter ay hindi tinukoy sa: meth.: `File.create_array`
• Added ng dalawang mga bagong function utility (: func: `tables.nodes.filenode.read_from_filenode` at: func:` tables.nodes.filenode.save_to_filenode`) para sa mga direktang kopya mula sa filesystem na filenode at vice versa
• Inalis ang: file:. `Halimbawa / nested-iter.py` itinuturing na hindi na kapaki-pakinabang na
• Mas mahusay na detection ng `-msse2` compiler flag.
• Mga bug fixed:
• Mga Fixed isang kritikal na bug na sanhi ng isang exception sa oras na pag-import.
• Ang panloob na library Blosc_ ay na-update sa bersyon 1.3.5.

Ano ang bago sa bersyon 2.4.0:

• Added suporta para sa uri float16 data. Ito ay magagamit lamang kung ang numpy nagbibigay din ito (ie numpy & # x3e; = 1.6).
• Leaf nodes ngayon ay may mga katangian para sa pagkuha ng sukat ng data sa memory at sa disk. Maaaring compress data sa disk, kaya ang mga bagong katangian gawin itong madali upang kalkulahin ang rasyon data compression.

Ano ang bago sa bersyon 2.3.1:

• Nakatakdang ng isang bug na pumigil sa basahin skeilar dataset ng unimplemented uri.
• Mga Fixed isang bug sa `setup.py` na dulot ng pag-install ng PyTables 2.3 sa mabibigo sa hukbo sa pamamagitan ng maramihang mga bersyon python install.

Ano ang bago sa bersyon 2.3.1 RC1:

• Nakatakdang ng isang bug na pumigil sa basahin skeilar dataset ng mga uri unimplemented.
• Mga Fixed isang bug sa `setup.py` na dulot ng pag-install ng PyTables 2.3 sa mabibigo sa hukbo sa pamamagitan ng maramihang mga bersyon python install.

Ano ang bago sa bersyon 2.3:

• OPSI ay isang malakas at makabagong pag-index engine na nagpapahintulot PyTables upang maisagawa fast query sa nagkataon malaking mesa. Bukod dito, ito ay nag-aalok ng isang malawak na hanay ng mga antas sa optimization para sa index nito upang user ay maaaring pumili ng pinakamahusay na isa na akma sa kanyang pangangailangan (mas mababa o sukat, mas mababa o pagganap). Indexation code din tumatagal ng bentahe ng kakayahan vectorization ng NumPy at Numexpr pakete upang masiguro na talagang maikling oras sa pag-index at paghahanap.
• Ang isang pinong-tono na pagsasaayos LRU cache para sa parehong metadata (nodes) at regular na data na nagbibigay-daan sa iyo na makamit ang pinakamataas na bilis para sa masinsinang pag-browse sa object na puno sa panahon ng data at nagbabasa ng mga query. Ito complements ang naka mabisa kasalukuyan cache sa HDF5, bagaman ito ay mas nakatuon sa istruktura ng mataas na antas na partikular sa PyTables at na kritikal para sa pagkamit ng mataas na pagganap.