虚拟大数组和延迟计算
项目描述
虚拟大型数组和懒加载评估。
例如，我们可以将多个数组数据源组合成一个虚拟数组
>>> first_time_series = OrthoArrayAdapter(hdf_var_a)
>>> second_time_series = OrthoArrayAdapater(hdf_var_b)
>>> print first_time_series.shape, second_time_series.shape
(52000, 800, 600) (56000, 800, 600)
>>> time_series = biggus.LinearMosaic([first_time_series, second_time_series], axis=0)
>>> time_series
<LinearMosaic shape=(108000, 800, 600) dtype=dtype('float32')>
任何大数组都可以被索引，独立于底层数据源
>>> time_series[51999:52001, 10, 12]
<LinearMosaic shape=(2,) dtype=dtype('float32')>
数组可以根据需要转换为numpy ndarray
>>> time_series[51999:52001, 10, 12].ndarray() array([ 0.72151309, 0.54654914], dtype=float32)
联系我们！
我们对biggus有很多令人兴奋的计划正在进行中，但我们也非常渴望听到您的意见。
您打算如何使用biggus？
biggus需要哪些功能才能对您有用？
biggus已经具备哪些您认为有用的功能？
进一步阅读
关闭
Biggus-0.14.0.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | db0a90408221f92817d693bfd6a4533edeaff83a5be6fa246d60b39cc33ac818 |
|
| MD5 | 6a6bfcd097afe4bf5b8dda4bbb27c22d |
|
| BLAKE2b-256 | c684aa196be7263dd5b18a61cc3779928176c0636f624455901bad0d8967ed9b |