PyTables

PyTables побудований на вершині бібліотеки HDF5 і пакет Numarray Python.
Він містить інтерфейс OO, що, в поєднанні з C-код, згенерований з Cython збільшує загальну швидкість

Особливості :.

• Легко використовувати
• Підтримка схеми NaturalNaming
• Зручний доступ до даних
• Зберігає пам'ять
• Структура даних природним чином
• Швидкий операцій введення / виводу

Що нового У цьому випуску :.

• Виправлена ​​помилковий попередження порівняння юнікода
• Покращена обробка порожніх атрибутів рядків. У попередніх версіях PyTables порожній рядок, зберігали скаляр HDF5 атрибути, що має розмір 1 і значення '& #; x5c 0' (порожня нулем рядок). Тепер порожній рядок зберігаються як атрибути HDF5 маючи нульовий розмір.
• Додана нова універсальний рецепт і пару прикладів для простого різьблення з PyTables.
• зайвим: FUNC: `utilsextension.get_indices` функція була усунена (замінений: мет:` slice.indices`).
• Дозволити негативні індекси у виборі точки.
• Індекс був не використовується, якщо він стверджував, що не було ніяких результатів.
• Атоми і Col типу більше не генеруються динамічно, так що тепер легше середовищами та статичного аналізу, щоб впоратися з ними.
• В keysort функції в IDX-opt.c були cythonised допомогою злиті типів. Perfomance в основному без змін, але код набагато простішим в даний час.
• Малий модульні тести повторно факторинг.

Що нового у версії 3.1.1:

• Покращення:
• Не створювати тимчасовий масив, коли * * OBJ параметр не вказаний в: мет :. `File.create_array`
• Додано два нових службових функцій (FUNC :: `tables.nodes.filenode.read_from_filenode` і: FUNC:` tables.nodes.filenode.save_to_filenode`) для прямого копіювання файлової системи з filenode і навпаки
• Вилучено: файл. `Приклади / вкладених iter.py` не рахується вже не корисно
• Краще виявлення `-msse2` прапором компілятора.
• Виправлені помилки:
• Виправлена ​​критична помилка, що приводила виключення під час імпорту.
• внутрішня бібліотека Blosc_ був оновлений до версії 1.3.5.

Що нового у версії 2.4.0:

• Додана підтримка типу float16 даних. Він доступний, тільки якщо NumPy надає його, а також (тобто NumPy і # x3e; = 1,6).
• Листові вузли тепер атрибути для отримання розміру даних в пам'яті і на диску. Дані на диску можуть бути стислі, тому нові атрибути роблять це легко обчислити стиснення даних раціон.

Що нового у версії 2.3.1:

• Виправлена ​​помилка, не дозволяла читати скалярні наборів даних невиконаними типу.
• Виправлена ​​помилка в `setup.py`, що викликало установку PyTables 2.3 збій на комп'ютерах з декількома версіями пітона встановлені.

Що нового у версії 2.3.1 RC1:

• Виправлена ​​помилка, не дозволяла читати скалярні наборів даних типів невиконаними.
• Виправлена ​​помилка в `setup.py`, що викликало установку PyTables 2.3 збій на комп'ютерах з декількома версіями пітона встановлені.

Що нового у версії 2.3:

• OPSI є потужним і інноваційним двигуном індексації дозволяє виконувати PyTables швидкі запити на скільки завгодно великих таблиць. Крім того, вона пропонує широкий діапазон рівнів оптимізації для своїх індексів, так що користувач може вибрати кращий той, який підходить її потреби (більш-менш розміру, більш-менш продуктивності). Індексація код також використовує векторизації можливостей пакетів NumPy і Numexpr щоб забезпечити дійсно короткі індексації та пошуку за часом.
• кеш доопрацьовані ЗРУ і для метаданих (вузлів) і регулярного даних, що дозволяє досягти максимальної швидкості для інтенсивного перегляду дерева об'єктів даних в процесі читання і запити. Він доповнює вже ефективну подарунок кеша в hdf5, хоча це більш орієнтовані в бік структур високого рівня, які є специфічними для PyTables і які мають вирішальне значення для досягнення дуже високої продуктивності.