PyTables

PyTables é construído em cima da biblioteca HDF5 eo pacote numarray Python.
Ele mantém uma interface OO que, combinado com código gerado-C de Cython aumenta a velocidade global

Recursos :.

• Fácil use
• Suporte para o esquema NaturalNaming
• Fácil acesso aos dados
• Salva memória
• Os dados Estrutura de uma forma natural
• Speedy operações E / S

O que é novo nesta versão:.

• Corrigido um aviso comparação unicode espúria
• Um melhor manuseio de atributos seqüência vazia. Nas versões anteriores do PyTables cadeia vazia foram armazenados como escalar HDF5 atributos ter um tamanho e valor '& # x5C; 0' (um nulo vazio string terminada). Agora cadeia vazia são armazenados como atributos HDF5 ter tamanho zero.
• Adicionado uma nova receita do livro de receitas e um par de exemplos para rosqueamento simples com PyTables.
• O redundante: func: `função utilsextension.get_indices` foi eliminada (substituído por: meth:` slice.indices`).
• Permitir índices negativos em seleção de ponto.
• Índice não estava sendo usado se ele alegou não houve resultados.
• Átomos e Col tipos não são geradas dinamicamente por isso agora é mais fácil para IDEs e ferramenta de análise estática para lidar com eles.
• As funções keysort em idx-opt.c foram cythonised usando tipos de fundidos. A perfomance é praticamente inalterado, mas o código é muito mais simples agora.
• Pequenas testes de unidade re-factoring.

O que é novo na versão 3.1.1:

• Melhorias:
• Não criar uma matriz temporária quando o obj * * parâmetro não é especificado em: meth:. `File.create_array`
• Adicionado duas novas funções de utilidade (: func: `tables.nodes.filenode.read_from_filenode` e: func:` tables.nodes.filenode.save_to_filenode`) para a cópia direta do sistema de arquivos para filenode e vice-versa
• Removido o: file:. `Exemplos / nested-iter.py` considerado não é mais útil
• Melhor detecção da bandeira `compilador -msse2`.
• Bugs corrigidos:
• Corrigido um bug crítico que causou uma exceção em tempo de importação.
• A biblioteca interna Blosc_ foi atualizado para a versão 1.3.5.

O que é novo na versão 2.4.0:

• Adicionado suporte para o tipo de dados float16. Ele está disponível somente se numpy fornece-lo tão bem (ou seja numpy & # x3e; = 1,6).

Nós
• Folha agora têm atributos para obter o tamanho de dados na memória e no disco. Os dados no disco podem ser comprimidos, de modo que os novos atributos tornam mais fácil para calcular a ração de compressão de dados.

O que é novo na versão 2.3.1:

• Corrigido um bug que impedia a ler conjuntos de dados escalares de tipos não implementado.
• Corrigido um bug no `setup.py` que causou a instalação de PyTables 2.3 a falhar em hosts com múltiplas versões do Python instalados.

O que é novo na versão 2.3.1 RC1:

• Corrigido um bug que impedia a ler conjuntos de dados escalares de tipos não implementado.
• Corrigido um bug no `setup.py` que causou a instalação de PyTables 2.3 a falhar em hosts com múltiplas versões do Python instalados.

O que é novo na versão 2.3:

• OPSI é um mecanismo de indexação poderosa e inovadora permitindo PyTables para executar consultas rápidas sobre arbitrariamente grandes mesas. Além disso, oferece uma ampla gama de níveis de otimização para seus índices de modo que o usuário pode escolher o melhor que se adapte às suas necessidades (mais ou menos o tamanho, mais ou menos de desempenho). Código de indexação também tira proveito dos recursos de vetorização dos pacotes Numpy e Numexpr para garantir a indexação e pesquisa vezes realmente curtos.
• Um cache LRU aperfeiçoá-lo tanto para metadados (nós) e regular de dados que lhe permite atingir uma velocidade máxima de navegação objeto árvore intensivo durante dados lê e consultas. Ela complementa a já eficiente de cache presentes no HDF5, embora este é mais voltada para estruturas de alto nível que são específicos para PyTables e que são fundamentais para alcançar um desempenho muito elevado.