PyTables

קל ל להשתמש
• תמיכה בתכנית NaturalNaming
• גישה קלה לנתונים
• חוסך זיכרון
• נתוני מבנה באופן טבעי
• אני ספידי / פעולות O

מה חדש בהודעה זו:.

• קבועה אזהרת השוואת Unicode מזויפת
  טיפול
• משופר של תכונות מחרוזת ריקות. בגרסאות קודמות של PyTables מחרוזת ריקה אוחסנה כסקלר HDF5 תכונות שיש בגודל 1 וערך 'x5c & #; 0' (null ריק הסתיים מחרוזת). עכשיו מחרוזת ריקה מאוחסנות כHDF5 תכונות שיש אפס גודל.
• נוסף מתכון ספר בישול חדש וכמה דוגמאות להשחלה פשוטה עם PyTables.
• המיותר: func: `פונקצית utilsextension.get_indices` כבר בוטלה (הוחלפה על ידי: ספיד:` slice.indices`).
• אפשר מדדים שליליים בבחירת נקודה.
• המדד אינו בשימוש, אם זה טען שלא היו תוצאות.

סוגים
• אטומים וCol הם כבר לא באופן דינמי אז עכשיו זה קל יותר לאידו וכלי ניתוח סטטי כדי לטפל בהם.
• פונקציות keysort בIDX-opt.c כבר cythonised באמצעות סוגים התמזגו. ההופעה היא בעיקר ללא שינוי, אבל הקוד הוא הרבה יותר פשוט עכשיו.
• בדיקות יחידה מחדש פקטורינג הקטן.

מה חדש בגרסת 3.1.1:

• שיפורים:

• אל תיצור מערך זמני כאשר * obj * פרמטר לא צוין ב: ספיד:. 'File.create_array`
• הוסיף שתי פונקציות חדשות שירות (: func: `tables.nodes.filenode.read_from_filenode` ו: func:` tables.nodes.filenode.save_to_filenode`) לעותק הישיר ממערכת הקבצים לfilenode ולהיפך
• הוסר: הקובץ:. 'דוגמאות / מקונן-iter.py` נחשב כבר לא שימושי
• זיהוי טוב יותר של 'דגל מהדר -msse2`.
• באגס קבוע:
• תוקן באג קריטי שגרם לחריגה בזמן יבוא.
• ספריית Blosc_ הפנימית עודכנה לגרסת 1.3.5.

מה חדש בגרסת 2.4.0:

• תמיכה נוסף לסוג נתוני float16. זה זמין רק אם numpy מספק את זה גם (כלומר numpy & # x3e; = 1.6).


עכשיו יש לי צמתים
• עלה תכונות לאחזור הגודל של נתונים בזיכרון ועל דיסק. הנתונים בדיסק ניתן לדחוס, כך התכונות החדשות לעשות את זה קל לחשב את מנת דחיסת נתונים.

מה חדש בגרסת 2.3.1:

• תוקן באג שמנע לקרוא מערכי נתונים סקלר של סוגים ממומשים.
• תוקן באג ב` setup.py` שגרם התקנה של PyTables 2.3 להיכשל על מארחים עם מספר גרסאות פיתון המותקן.

מה חדש בגרסת 2.3.1 RC1:

• תוקן באג שמנע לקרוא מערכי נתונים סקלר של סוגים ממומשים.
• תוקן באג ב` setup.py` שגרם התקנה של PyTables 2.3 להיכשל על מארחים עם מספר גרסאות פיתון המותקן.

מה חדש בגרסת 2.3:

OPSI הוא מנוע אינדקס עוצמה וחדשני המאפשרים לבצע PyTables שאילתות מהירות על שולחנות גדולים באופן שרירותי. יתר על כן, היא מציעה מגוון רחב של רמות אופטימיזציה לאינדקסים שלה, כך שהמשתמש יכול לבחור את הטוב ביותר שמתאים לצרכים שלה (פחות או יותר בגודל, או יותר ביצועים פחות). קוד הצמדה גם מנצל את יכולות vectorization של חבילות NumPy וNumexpr כדי להבטיח פעמים אינדקס וחיפוש ממש קצרות.
• מטמון LRU מכויל לשני מטה (בלוטות) ונתונים קבועים המאפשר לך להשיג במהירות המרבית לגלישה עץ אובייקט אינטנסיבית נתונים במהלך קוראים ושאילתות. זה משלים את הווה מטמון יעיל כבר בHDF5, אם כי זה יותר מיועד למבנים ברמה גבוהה שהם ספציפיים לPyTables ושהם קריטיים להשגת ביצועים גבוהים מאוד.