blosc · PyPI · Python 包索引

Blosc数据压缩器

这些详情尚未由PyPI验证

项目链接

主页

项目描述

一个为极快Blosc压缩库的Python封装

作者：:: Blosc开发团队
联系：:: blosc@blosc.org
Github：:: https://github.com/Blosc/python-blosc
URL：:: https://www.blosc.org/python-blosc/python-blosc.html
PyPi：:
Anaconda：:
Gitter：:
行为准则：:

是什么

Blosc (https://blosc.org) 是一种针对二进制数据的高性能压缩器。它被设计用来通过 memcpy() 操作系统调用，比传统的非压缩、直接内存读取方法更快地将数据传输到处理器缓存。

Blosc 在压缩包含相对低熵数据（如稀疏数据、时间序列、有规律间隔的网格等）的数值数组方面表现良好。

python-blosc 是一个 Python 包，它封装了 Blosc。python-blosc 支持 Python 3.9 或更高版本。

安装

Blosc 现在为主操作系统（Win、Mac 和 Linux）和平台提供 Python 轮子。您可以使用 pip 从 PyPi 安装二进制包。

$ pip install blosc

文档

基于 Sphinx 的文档在这里

https://blosc.org/python-blosc/python-blosc.html

此外，一些示例可在 python-blosc 维基页面上找到

https://github.com/blosc/python-blosc/wiki

最后，这里是有关于 EuroPython 2014 上“Compress me stupid”演讲的录制和幻灯片。

构建

如果您需要更多控制，可以根据您是否想要链接到已安装的 Blosc 库来选择不同的方式编译 python-blosc。

通过 setuptools 安装

python-blosc 与 Blosc 源文件一起提供，可以使用以下命令构建：

$ python -m pip install -r requirements-dev.txt
$ python setup.py build_ext --inplace

可以通过适当的操作系统环境变量 INCLUDE_LZ4、INCLUDE_SNAPPY、INCLUDE_ZLIB 和 INCLUDE_ZSTD 在此构建路径上启用（=1）或禁用（=0）任何编解码器。默认情况下，Blosc 中的所有编解码器都启用，除了 Snappy（由于与 gcc 工具链的一些问题）。

编译器特定的优化会自动通过检查构建 Blosc 的 CPU 标志来启用。可以通过设置以下环境变量手动禁用：DISABLE_BLOSC_SSE2 和 DISABLE_BLOSC_AVX2。

setuptools 限制使用环境变量 CC 中指定的编译器，在 POSIX 系统上通常是 gcc。这通常会导致 Snappy 编解码器出现问题，因为 Snappy 是用 C++ 编写的，因此默认情况下不再编译 Snappy。已知此问题不会影响 MSVC 或 clang。由于 Snappy 的压缩性能低于其他编解码器，因此 Snappy 在 Blosc 中被视为可选。

上述内容。现在您可以进行测试部分了。

使用已安装的 Blosc 库进行编译

此方法使用通过 CMake 构建的预构建、完全优化的 Blosc 版本。

请访问 https://github.com/Blosc/c-blosc/releases，下载并安装 C-Blosc 库。然后，您可以以几种方式告诉 python-blosc C-Blosc 库的位置：

使用环境变量

$ export USE_SYSTEM_BLOSC=1                 # or "set USE_SYSTEM_BLOSC=1" on Windows
$ export Blosc_ROOT=/usr/local/customprefix # If you installed Blosc into a custom location
$ python setup.py build_ext --inplace

使用标志

$ python setup.py build_ext --inplace -DUSE_SYSTEM_BLOSC:BOOL=YES -DBlosc_ROOT:PATH=/usr/local/customprefix

测试

编译后，您可以通过运行 blosc/test.py 中的 doctests 来快速检查包是否正常。

$ python -m blosc.test  (add -v for verbose mode)

安装后，您可以通过以下命令随时重新运行测试：

$ python -c "import blosc; blosc.test()"

基准测试

如果您好奇，您可能想运行一个小型基准测试，比较一个普通的 NumPy 数组复制与通过 Blosc 构建中的不同压缩器进行的压缩。

$ PYTHONPATH=. python bench/compress_ptr.py

为了激起您的兴趣，这里是在 Intel Xeon E5-2695 v3 @ 2.30GHz、运行 Python 3.5、CentOS 7 上的结果，但 YMMV（并且会变化！）

-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
python-blosc version: 1.5.1.dev0
Blosc version: 1.11.2 ($Date:: 2017-01-27 #$)
Compressors available: ['blosclz', 'lz4', 'lz4hc', 'snappy', 'zlib', 'zstd']
Compressor library versions:
  BloscLZ: 1.0.5
  LZ4: 1.7.5
  Snappy: 1.1.1
  Zlib: 1.2.7
  Zstd: 1.1.2
Python version: 3.5.2 |Continuum Analytics, Inc.| (default, Jul  2 2016, 17:53:06)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)]
Platform: Linux-3.10.0-327.18.2.el7.x86_64-x86_64 (#1 SMP Thu May 12 11:03:55 UTC 2016)
Linux dist: CentOS Linux 7.2.1511
Processor: x86_64
Byte-ordering: little
Detected cores: 56
Number of threads to use by default: 4
  -=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
Creating NumPy arrays with 10**8 int64/float64 elements:
  *** ctypes.memmove() *** Time for memcpy(): 0.276 s (2.70 GB/s)

Times for compressing/decompressing with clevel=5 and 24 threads

*** the arange linear distribution ***
  *** blosclz , noshuffle  ***  0.382 s (1.95 GB/s) / 0.300 s (2.48 GB/s)     Compr. ratio:   1.0x
  *** blosclz , shuffle    ***  0.042 s (17.77 GB/s) / 0.027 s (27.18 GB/s)   Compr. ratio:  57.1x
  *** blosclz , bitshuffle ***  0.094 s (7.94 GB/s) / 0.041 s (18.28 GB/s)    Compr. ratio:  74.0x
  *** lz4     , noshuffle  ***  0.156 s (4.79 GB/s) / 0.052 s (14.30 GB/s)    Compr. ratio:   2.0x
  *** lz4     , shuffle    ***  0.033 s (22.58 GB/s) / 0.034 s (22.03 GB/s)   Compr. ratio:  68.6x
  *** lz4     , bitshuffle ***  0.059 s (12.63 GB/s) / 0.053 s (14.18 GB/s)   Compr. ratio:  33.1x
  *** lz4hc   , noshuffle  ***  0.443 s (1.68 GB/s) / 0.070 s (10.62 GB/s)    Compr. ratio:   2.0x
  *** lz4hc   , shuffle    ***  0.102 s (7.31 GB/s) / 0.029 s (25.42 GB/s)    Compr. ratio:  97.5x
  *** lz4hc   , bitshuffle ***  0.206 s (3.62 GB/s) / 0.038 s (19.85 GB/s)    Compr. ratio: 180.5x
  *** snappy  , noshuffle  ***  0.154 s (4.84 GB/s) / 0.056 s (13.28 GB/s)    Compr. ratio:   2.0x
  *** snappy  , shuffle    ***  0.044 s (16.89 GB/s) / 0.047 s (15.95 GB/s)   Compr. ratio:  17.4x
  *** snappy  , bitshuffle ***  0.064 s (11.58 GB/s) / 0.061 s (12.26 GB/s)   Compr. ratio:  18.2x
  *** zlib    , noshuffle  ***  1.172 s (0.64 GB/s) / 0.135 s (5.50 GB/s)     Compr. ratio:   5.3x
  *** zlib    , shuffle    ***  0.260 s (2.86 GB/s) / 0.086 s (8.67 GB/s)     Compr. ratio: 120.8x
  *** zlib    , bitshuffle ***  0.262 s (2.84 GB/s) / 0.094 s (7.96 GB/s)     Compr. ratio: 260.1x
  *** zstd    , noshuffle  ***  0.973 s (0.77 GB/s) / 0.093 s (8.00 GB/s)     Compr. ratio:   7.8x
  *** zstd    , shuffle    ***  0.093 s (7.97 GB/s) / 0.023 s (32.71 GB/s)    Compr. ratio: 156.7x
  *** zstd    , bitshuffle ***  0.115 s (6.46 GB/s) / 0.029 s (25.60 GB/s)    Compr. ratio: 320.6x

*** the linspace linear distribution ***
  *** blosclz , noshuffle  ***  0.341 s (2.19 GB/s) / 0.291 s (2.56 GB/s)     Compr. ratio:   1.0x
  *** blosclz , shuffle    ***  0.132 s (5.65 GB/s) / 0.023 s (33.10 GB/s)    Compr. ratio:   2.0x
  *** blosclz , bitshuffle ***  0.166 s (4.50 GB/s) / 0.036 s (20.89 GB/s)    Compr. ratio:   2.8x
  *** lz4     , noshuffle  ***  0.142 s (5.26 GB/s) / 0.028 s (27.07 GB/s)    Compr. ratio:   1.0x
  *** lz4     , shuffle    ***  0.093 s (8.01 GB/s) / 0.030 s (24.87 GB/s)    Compr. ratio:   3.4x
  *** lz4     , bitshuffle ***  0.102 s (7.31 GB/s) / 0.039 s (19.13 GB/s)    Compr. ratio:   5.3x
  *** lz4hc   , noshuffle  ***  0.700 s (1.06 GB/s) / 0.044 s (16.77 GB/s)    Compr. ratio:   1.1x
  *** lz4hc   , shuffle    ***  0.203 s (3.67 GB/s) / 0.021 s (36.22 GB/s)    Compr. ratio:   8.6x
  *** lz4hc   , bitshuffle ***  0.342 s (2.18 GB/s) / 0.028 s (26.50 GB/s)    Compr. ratio:  14.2x
  *** snappy  , noshuffle  ***  0.271 s (2.75 GB/s) / 0.274 s (2.72 GB/s)     Compr. ratio:   1.0x
  *** snappy  , shuffle    ***  0.099 s (7.54 GB/s) / 0.042 s (17.55 GB/s)    Compr. ratio:   4.2x
  *** snappy  , bitshuffle ***  0.127 s (5.86 GB/s) / 0.043 s (17.20 GB/s)    Compr. ratio:   6.1x
  *** zlib    , noshuffle  ***  1.525 s (0.49 GB/s) / 0.158 s (4.70 GB/s)     Compr. ratio:   1.6x
  *** zlib    , shuffle    ***  0.346 s (2.15 GB/s) / 0.098 s (7.59 GB/s)     Compr. ratio:  10.7x
  *** zlib    , bitshuffle ***  0.420 s (1.78 GB/s) / 0.104 s (7.20 GB/s)     Compr. ratio:  18.0x
  *** zstd    , noshuffle  ***  1.061 s (0.70 GB/s) / 0.096 s (7.79 GB/s)     Compr. ratio:   1.9x
  *** zstd    , shuffle    ***  0.203 s (3.68 GB/s) / 0.052 s (14.21 GB/s)    Compr. ratio:  14.2x
  *** zstd    , bitshuffle ***  0.251 s (2.97 GB/s) / 0.047 s (15.84 GB/s)    Compr. ratio:  22.2x

*** the random distribution ***
  *** blosclz , noshuffle  ***  0.340 s (2.19 GB/s) / 0.285 s (2.61 GB/s)     Compr. ratio:   1.0x
  *** blosclz , shuffle    ***  0.091 s (8.21 GB/s) / 0.017 s (44.29 GB/s)    Compr. ratio:   3.9x
  *** blosclz , bitshuffle ***  0.080 s (9.27 GB/s) / 0.029 s (26.12 GB/s)    Compr. ratio:   6.1x
  *** lz4     , noshuffle  ***  0.150 s (4.95 GB/s) / 0.027 s (28.05 GB/s)    Compr. ratio:   2.4x
  *** lz4     , shuffle    ***  0.068 s (11.02 GB/s) / 0.029 s (26.03 GB/s)   Compr. ratio:   4.5x
  *** lz4     , bitshuffle ***  0.063 s (11.87 GB/s) / 0.054 s (13.70 GB/s)   Compr. ratio:   6.2x
  *** lz4hc   , noshuffle  ***  0.645 s (1.15 GB/s) / 0.019 s (39.22 GB/s)    Compr. ratio:   3.5x
  *** lz4hc   , shuffle    ***  0.257 s (2.90 GB/s) / 0.022 s (34.62 GB/s)    Compr. ratio:   5.1x
  *** lz4hc   , bitshuffle ***  0.128 s (5.80 GB/s) / 0.029 s (25.52 GB/s)    Compr. ratio:   6.2x
  *** snappy  , noshuffle  ***  0.164 s (4.54 GB/s) / 0.048 s (15.46 GB/s)    Compr. ratio:   2.2x
  *** snappy  , shuffle    ***  0.082 s (9.09 GB/s) / 0.043 s (17.39 GB/s)    Compr. ratio:   4.3x
  *** snappy  , bitshuffle ***  0.071 s (10.48 GB/s) / 0.046 s (16.08 GB/s)   Compr. ratio:   5.0x
  *** zlib    , noshuffle  ***  1.223 s (0.61 GB/s) / 0.093 s (7.97 GB/s)     Compr. ratio:   4.0x
  *** zlib    , shuffle    ***  0.636 s (1.17 GB/s) / 0.126 s (5.89 GB/s)     Compr. ratio:   5.5x
  *** zlib    , bitshuffle ***  0.327 s (2.28 GB/s) / 0.109 s (6.81 GB/s)     Compr. ratio:   6.2x
  *** zstd    , noshuffle  ***  1.432 s (0.52 GB/s) / 0.103 s (7.27 GB/s)     Compr. ratio:   4.2x
  *** zstd    , shuffle    ***  0.388 s (1.92 GB/s) / 0.031 s (23.71 GB/s)    Compr. ratio:   5.9x
  *** zstd    , bitshuffle ***  0.127 s (5.86 GB/s) / 0.033 s (22.77 GB/s)    Compr. ratio:   6.4x

此外，Blosc 在 ARM 处理器上运行得相当好（甚至在没有 NEON 支持的情况下）

-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
python-blosc version: 1.4.4
Blosc version: 1.11.2 ($Date:: 2017-01-27 #$)
Compressors available: ['blosclz', 'lz4', 'lz4hc', 'snappy', 'zlib', 'zstd']
Compressor library versions:
  BloscLZ: 1.0.5
  LZ4: 1.7.5
  Snappy: 1.1.1
  Zlib: 1.2.8
  Zstd: 1.1.2
Python version: 3.6.0 (default, Dec 31 2016, 21:20:16)
[GCC 4.9.2]
Platform: Linux-3.4.113-sun8i-armv7l (#50 SMP PREEMPT Mon Nov 14 08:41:55 CET 2016)
Linux dist: debian 9.0
Processor: not recognized
Byte-ordering: little
Detected cores: 4
Number of threads to use by default: 4
-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=
  *** ctypes.memmove() *** Time for memcpy():   0.015 s (93.57 MB/s)

Times for compressing/decompressing with clevel=5 and 4 threads

*** user input ***
  *** blosclz , noshuffle  ***  0.015 s (89.93 MB/s) / 0.010 s (138.32 MB/s)    Compr. ratio:   2.7x
  *** blosclz , shuffle    ***  0.023 s (60.25 MB/s) / 0.012 s (112.71 MB/s)    Compr. ratio:   2.3x
  *** blosclz , bitshuffle ***  0.018 s (77.63 MB/s) / 0.021 s (66.76 MB/s)     Compr. ratio:   7.3x
  *** lz4     , noshuffle  ***  0.008 s (177.14 MB/s) / 0.009 s (159.00 MB/s)   Compr. ratio:   3.6x
  *** lz4     , shuffle    ***  0.010 s (131.29 MB/s) / 0.012 s (117.69 MB/s)   Compr. ratio:   3.5x
  *** lz4     , bitshuffle ***  0.015 s (89.97 MB/s) / 0.022 s (63.62 MB/s)     Compr. ratio:   8.4x
  *** lz4hc   , noshuffle  ***  0.071 s (19.30 MB/s) / 0.007 s (186.64 MB/s)    Compr. ratio:   8.6x
  *** lz4hc   , shuffle    ***  0.079 s (17.30 MB/s) / 0.014 s (95.99 MB/s)     Compr. ratio:   6.2x
  *** lz4hc   , bitshuffle ***  0.062 s (22.23 MB/s) / 0.027 s (51.53 MB/s)     Compr. ratio:   9.7x
  *** snappy  , noshuffle  ***  0.008 s (173.87 MB/s) / 0.009 s (148.77 MB/s)   Compr. ratio:   4.4x
  *** snappy  , shuffle    ***  0.011 s (123.22 MB/s) / 0.016 s (85.16 MB/s)    Compr. ratio:   4.4x
  *** snappy  , bitshuffle ***  0.015 s (89.02 MB/s) / 0.021 s (64.87 MB/s)     Compr. ratio:   6.2x
  *** zlib    , noshuffle  ***  0.047 s (29.26 MB/s) / 0.011 s (121.83 MB/s)    Compr. ratio:  14.7x
  *** zlib    , shuffle    ***  0.080 s (17.20 MB/s) / 0.022 s (63.61 MB/s)     Compr. ratio:   9.4x
  *** zlib    , bitshuffle ***  0.059 s (23.50 MB/s) / 0.033 s (41.10 MB/s)     Compr. ratio:  10.5x
  *** zstd    , noshuffle  ***  0.113 s (12.21 MB/s) / 0.011 s (124.64 MB/s)    Compr. ratio:  15.6x
  *** zstd    , shuffle    ***  0.154 s (8.92 MB/s) / 0.026 s (52.56 MB/s)      Compr. ratio:   9.9x
  *** zstd    , bitshuffle ***  0.116 s (11.86 MB/s) / 0.036 s (38.40 MB/s)     Compr. ratio:  11.4x

有关 ARM 基准测试的详细信息，请参阅： https://github.com/Blosc/python-blosc/issues/105

如果您发现您自己的结果很有趣，请将其反馈给作者！

许可

该软件受 3-Clause BSD 许可证的许可。python-blosc 许可证的副本可在 LICENSE.txt 中找到。

邮件列表

欢迎在 Blosc 列表中讨论此模块

blosc@googlegroups.com

https://groups.google.com/g/blosc

享受数据！

项目详情

这些详情尚未由PyPI验证

项目链接

主页

版本历史发布通知 | RSS 源

本版本

1.11.2

2024年6月24日

1.11.1

2022年12月15日

1.11.0

2022年12月7日

1.10.6

2021年10月7日

1.10.5

2021年10月6日

1.10.4

2021年6月1日

1.10.2

2021年1月19日

1.10.1

2020年12月24日

1.10.1.dev0 预发布已撤回

2020年12月24日

1.10.0

2020年12月23日

1.10.0rc0 预发布

2020年12月23日

1.9.3.dev0 预发布已撤回

2020年12月10日

1.9.2

2020年9月9日

1.9.1

2020年4月11日

1.9.0

2020年3月29日

1.8.3

2019年12月14日

1.8.2

2019年12月13日

1.8.1

2019年3月4日

1.8.1.dev0 预发布

2019年3月4日

1.8.0

2019年3月4日

1.7.0

2018年12月27日

1.6.2

2018年11月5日

1.6.1

2018年10月21日

1.5.1

2017年3月10日

1.5.0

2017年2月8日

1.4.4

2016年9月3日

1.4.3

2016年9月2日

1.4.1

2016年7月27日

1.4.0

2016年7月22日

1.3.3

2016年7月12日

1.3.2

2016年4月7日

1.3.1

2016年4月7日

1.3.0

2016年3月31日

1.2.8

2015年9月16日

1.2.8.dev0 预发布

2015年9月16日

1.2.7

2015年5月6日

1.2.5

2015年4月15日

1.2.4

2014年7月7日

1.2.3

2014年3月22日

1.2.2

2014年3月20日

1.2.1

2014年2月15日

1.2.0

2014年1月19日

1.1

2013年5月24日

1.0.6

2012年9月21日

1.0.5

2012年9月16日

1.0.4

2012年9月14日

1.0.3

2010年11月17日

1.0.1

2010年10月1日

下载文件

下载适用于您平台的文件。如果您不确定选择哪个，请了解有关安装包的更多信息。

源代码分发

blosc-1.11.2.tar.gz (1.4 MB 查看哈希值)

上传时间 2024年6月24日 源代码

构建分发

blosc-1.11.2-cp312-cp312-win_amd64.whl (1.8 MB 查看哈希值)

上传时间 2024年6月24日 CPython 3.12 Windows x86-64

blosc-1.11.2-cp312-cp312-win32.whl (1.5 MB 查看哈希值)

上传时间 2024年6月24日 CPython 3.12 Windows x86

blosc-1.11.2-cp312-cp312-musllinux_1_2_x86_64.whl (2.7 MB 查看哈希值)

上传时间 2024年6月24日 CPython 3.12 musllinux: musl 1.2+ x86-64

blosc-1.11.2-cp312-cp312-musllinux_1_2_aarch64.whl (2.6 MB 查看哈希值)

上传时间 2024年6月24日 CPython 3.12 musllinux: musl 1.2+ ARM64

blosc-1.11.2-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (2.6 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.12 manylinux: glibc 2.17+ x86-64

blosc-1.11.2-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl (2.5 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.12 manylinux: glibc 2.17+ ARM64

blosc-1.11.2-cp312-cp312-macosx_11_0_arm64.whl (1.8 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.12 macOS 11.0+ ARM64

blosc-1.11.2-cp312-cp312-macosx_10_9_x86_64.whl (2.3 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.12 macOS 10.9+ x86-64

blosc-1.11.2-cp311-cp311-win_amd64.whl (1.8 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.11 Windows x86-64

blosc-1.11.2-cp311-cp311-win32.whl (1.5 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.11 Windows x86

blosc-1.11.2-cp311-cp311-musllinux_1_2_x86_64.whl (2.7 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.11 musllinux: musl 1.2+ x86-64

blosc-1.11.2-cp311-cp311-musllinux_1_2_aarch64.whl (2.6 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.11 musllinux: musl 1.2+ ARM64

blosc-1.11.2-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (2.6 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.11 manylinux: glibc 2.17+ x86-64

blosc-1.11.2-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl (2.5 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.11 manylinux: glibc 2.17+ ARM64

blosc-1.11.2-cp311-cp311-macosx_11_0_arm64.whl (1.8 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.11 macOS 11.0+ ARM64

blosc-1.11.2-cp311-cp311-macosx_10_9_x86_64.whl (2.3 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.11 macOS 10.9+ x86-64

blosc-1.11.2-cp310-cp310-win_amd64.whl (1.8 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.10 Windows x86-64

blosc-1.11.2-cp310-cp310-win32.whl (1.5 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.10 Windows x86

blosc-1.11.2-cp310-cp310-musllinux_1_2_x86_64.whl (2.7 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.10 musllinux: musl 1.2+ x86-64

blosc-1.11.2-cp310-cp310-musllinux_1_2_aarch64.whl (2.6 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.10 musllinux: musl 1.2+ ARM64

blosc-1.11.2-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (2.6 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.10 manylinux: glibc 2.17+ x86-64

blosc-1.11.2-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl (2.5 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.10 manylinux: glibc 2.17+ ARM64

blosc-1.11.2-cp310-cp310-macosx_11_0_arm64.whl (1.8 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.10 macOS 11.0+ ARM64

blosc-1.11.2-cp310-cp310-macosx_10_9_x86_64.whl (2.3 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.10 macOS 10.9+ x86-64

blosc-1.11.2-cp39-cp39-win_amd64.whl (1.8 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.9 Windows x86-64

blosc-1.11.2-cp39-cp39-win32.whl (1.5 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.9 Windows x86

blosc-1.11.2-cp39-cp39-musllinux_1_2_x86_64.whl (2.7 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.9 musllinux: musl 1.2+ x86-64

blosc-1.11.2-cp39-cp39-musllinux_1_2_aarch64.whl (2.6 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.9 musllinux: musl 1.2+ ARM64

blosc-1.11.2-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (2.6 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.9 manylinux: glibc 2.17+ x86-64

blosc-1.11.2-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl (2.5 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.9 manylinux: glibc 2.17+ ARM64

blosc-1.11.2-cp39-cp39-macosx_11_0_arm64.whl (1.8 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.9 macOS 11.0+ ARM64

blosc-1.11.2-cp39-cp39-macosx_10_9_x86_64.whl (2.3 MB 查看哈希值)

上传于 2024年6月24日 CPython 3.9 macOS 10.9+ x86-64

blosc-1.11.2.tar.gz的哈希值

blosc-1.11.2.tar.gz的哈希值
算法	哈希摘要
SHA256	`ac5e7c1bfc1c7232b900be94cddb5ffcf9ea49f313c8ae98a7ca0dd87b872bf4`
MD5	`61728dc826aae9b7aaa4c63b839c4371`
BLAKE2b-256	`0b11c684c09ac3f4e75691bfc7827dd23743bcf30b35751697278c614332700e`

blosc-1.11.2-cp312-cp312-win_amd64.whl的哈希值

blosc-1.11.2-cp312-cp312-win_amd64.whl的哈希值
算法	哈希摘要
SHA256	`f6cbafa32ce0435f755d8e785e836df21f4e061a92bb0966ce49c36f19e8f57c`
MD5	`4b0a762475a19e8d4ccdc2d57b330716`
BLAKE2b-256	`6de57d708485c4698f8da4a8b15dbeedb4181301fc51ee0b253005a33808effb`

blosc-1.11.2-cp312-cp312-win32.whl的哈希值

blosc-1.11.2-cp312-cp312-win32.whl的哈希值
算法	哈希摘要
SHA256	`9d52f7b24ef99d18c6bfa6b766b69ea0488a3947ed2e6136c85952e866140ca4`
MD5	`09558ce4b7fec2fea7ffb697c12252c8`
BLAKE2b-256	`0b65800174d48904ab344d72bfe527b622444fe11e52590ec6a24163dcf73444`

blosc-1.11.2-cp312-cp312-musllinux_1_2_x86_64.whl的哈希值

blosc-1.11.2-cp312-cp312-musllinux_1_2_x86_64.whl的哈希值
算法	哈希摘要
SHA256	`c84d4509d1a22e9cd8c8a48d86310cb808949ea06cde143b62042ba8bd3156b9`
MD5	`a28eb741832301766fe39095666e1830`
BLAKE2b-256	`ef9d8319e2c48e81d11248c7631df49d8d0dbf347c20a3899919a32341f44a44`

blosc-1.11.2-cp312-cp312-musllinux_1_2_aarch64.whl的哈希值

blosc-1.11.2-cp312-cp312-musllinux_1_2_aarch64.whl的哈希值
算法	哈希摘要
SHA256	`f94643c27e96141615d345a37f4ff6ab048340c7e5ebaced4e8c205bbb12b15f`
MD5	`3c8eb0bcbac914e30d3af18c7b43a9fa`
BLAKE2b-256	`77d9b221c460d86b66dc7ad639378764034f5f254d03b45fd87c3cf787091407`

哈希值用于 blosc-1.11.2-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl

哈希值用于 blosc-1.11.2-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
算法	哈希摘要
SHA256	`24985254eb33199473e2960e56cea7c6642cd45635ba4944a3a0fafca75b3e23`
MD5	`9a92abd79e3ad17e38c6687af6d51a8a`
BLAKE2b-256	`7abd2d1cb4d1f04a8060678f57a784cba0ff381c685f6df87b272ec496c860ac`

哈希值用于 blosc-1.11.2-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

哈希值用于 blosc-1.11.2-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
算法	哈希摘要
SHA256	`1be3ae38210d7a68594328d7704202ebd326829668f378e8ef00d2e34dbee086`
MD5	`c098cb88cd0945618a146f87f72a86ed`
BLAKE2b-256	`04f8a846c5e795ed8c14123b5aeec7a29503be5ca5ea725a0f63748a640e51d3`

哈希值用于 blosc-1.11.2-cp312-cp312-macosx_11_0_arm64.whl

哈希值用于 blosc-1.11.2-cp312-cp312-macosx_11_0_arm64.whl
算法	哈希摘要
SHA256	`a49e6d7361c28dd13e3101864ec582f926f1a0412d4d35866fede92538564f63`
MD5	`a5fa2b73fbb3f1cbd1abe8a0a7c7dd38`
BLAKE2b-256	`d78a416d2ad12489f831cdea55aa280100a94df41ad8320594d9a094b2248bd0`

哈希值用于 blosc-1.11.2-cp312-cp312-macosx_10_9_x86_64.whl

哈希值用于 blosc-1.11.2-cp312-cp312-macosx_10_9_x86_64.whl
算法	哈希摘要
SHA256	`587d0bae031e894af6e1f9b3f3d31bc63e958ea5d3d11f4e77d0c167a89294f2`
MD5	`1bd49db43d6e8b011b010910fc6517bb`
BLAKE2b-256	`a0da5a43f76d7becf9b4beafe8a4bea8760ea1598e91dd2e24dd60409aa14d59`

哈希值用于 blosc-1.11.2-cp311-cp311-win_amd64.whl

哈希值用于 blosc-1.11.2-cp311-cp311-win_amd64.whl
算法	哈希摘要
SHA256	`907e59c69f7dfc4151ad912aae0948f0aa6d072ae05785dcc1c5b94f65999df7`
MD5	`a737edc3246d0052781248e96394fbf7`
BLAKE2b-256	`2f633db535d924a7dd776826f10305feebd828b8fcb7cc0425299ee4c0d99603`

哈希值用于 blosc-1.11.2-cp311-cp311-win32.whl

哈希值用于 blosc-1.11.2-cp311-cp311-win32.whl
算法	哈希摘要
SHA256	`888f1cb535f55fce4490d9d7cc6037faa6c324050ce5f51b7459789d79a87d89`
MD5	`d4b0da2f4cae8eef9e3f08e3343d58d6`
BLAKE2b-256	`873d90f7aff0dd2af6fceef7df73dee725c67aaa829e48d2736ba2ab9dfbb6e0`

哈希值用于 blosc-1.11.2-cp311-cp311-musllinux_1_2_x86_64.whl

哈希值用于 blosc-1.11.2-cp311-cp311-musllinux_1_2_x86_64.whl
算法	哈希摘要
SHA256	`9c554d9e4e434ed14b8e298ac5a49166e9df13e28a94b38174540cf4e417909a`
MD5	`8da10ec6731ab1efb6b0fb4c186b9229`
BLAKE2b-256	`78857b9e637103a80a2277ad95cd4c49094d4473e2dc445269135f243f576727`

哈希值用于 blosc-1.11.2-cp311-cp311-musllinux_1_2_aarch64.whl

哈希值用于 blosc-1.11.2-cp311-cp311-musllinux_1_2_aarch64.whl
算法	哈希摘要
SHA256	`649803ca91da799d7e367bc3c5535a649502c53e7c21168d811ae16ec45bc0b4`
MD5	`d5fdd3ff7b8c7c9cf62d61b6fc9fb707`
BLAKE2b-256	`b96cc33a5660d9f11c2b1c46178af20d813db9548a9e628ddb9d83504a967c3b`

哈希值用于 blosc-1.11.2-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl

哈希值用于 blosc-1.11.2-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
算法	哈希摘要
SHA256	`ff82238e7f028b3f8a3745210f165067ea60f8b693f082a77d740c971acf3813`
MD5	`19484c47faaebd8f5ce408babad174a7`
BLAKE2b-256	`15b13e17b5c6cba02eafbb5622b087454356dee6d6abf6d1b5fb0258b2a9f22b`

哈希值用于 blosc-1.11.2-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

哈希值用于 blosc-1.11.2-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
算法	哈希摘要
SHA256	`b1199acf412662a3040156194c0b8204defe75b982ac93cc02aea2285221c633`
MD5	`100a203acf0e75123ba04b51497475bd`
BLAKE2b-256	`509515127a626811d477c6c469d43cb5cf2972299aeaf4804991875ff06ca2ab`

哈希值用于 blosc-1.11.2-cp311-cp311-macosx_11_0_arm64.whl

哈希值用于 blosc-1.11.2-cp311-cp311-macosx_11_0_arm64.whl
算法	哈希摘要
SHA256	`add97363136192343fbebbf5660abbf90438e45436a4d7764b66b5baa7d8efb5`
MD5	`cc6d7a1ce96c554d76b60d50225a77e1`
BLAKE2b-256	`266593370408733e5d7f864a416befd233d37e8e4aa5674413c33ba79cf1ce2d`

哈希值用于 blosc-1.11.2-cp311-cp311-macosx_10_9_x86_64.whl

哈希值用于 blosc-1.11.2-cp311-cp311-macosx_10_9_x86_64.whl
算法	哈希摘要
SHA256	`0c7505e61049456b587c513a78432810c99944b0045842053b9a76348ae29848`
MD5	`32ca2ab74a4b43341c87f70185c4b9d3`
BLAKE2b-256	`1220a8ae5f21ca36195a231683a4d1b2710bec5895d7b98653d5f4f76368da67`

哈希值用于 blosc-1.11.2-cp310-cp310-win_amd64.whl

哈希值用于 blosc-1.11.2-cp310-cp310-win_amd64.whl
算法	哈希摘要
SHA256	`ad2dc8284733bb5d7fd62cab825f25d6e1d2ef846dcb60183afdd43fb3db726a`
MD5	`3799b68e8e9f4e7e50bcb651113687cb`
BLAKE2b-256	`31f2061a854a3ad9a704abf78661a5e5eedc02a57b31b75cbab0f6a363da99d2`

哈希值用于 blosc-1.11.2-cp310-cp310-win32.whl

用于 blosc-1.11.2-cp310-cp310-win32.whl 的哈希值
算法	哈希摘要
SHA256	`4e153c9986ee033cb0d8e61bc059ad2fd093d9eef70e0240ee5947bdf23ea728`
MD5	`534d1f15a8669ef397aa3a23b237c197`
BLAKE2b-256	`0dc10dfc168b5a9d0d5e0328bf4d40179f938d4ae62e73bf2e1a76cf5c1b8ef7`

哈希值用于 blosc-1.11.2-cp310-cp310-musllinux_1_2_x86_64.whl

用于 blosc-1.11.2-cp310-cp310-musllinux_1_2_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`c5db40ac4e8439c2cd68bfbd98db0959187034c74aeecfdaba5554adb9e8f455`
MD5	`bcec565022b3f6e38c56fb64cac671aa`
BLAKE2b-256	`952c77ffccd3fedbf2540066f0f54333697f821ccb17d4348429970463c3a35e`

哈希值用于 blosc-1.11.2-cp310-cp310-musllinux_1_2_aarch64.whl

用于 blosc-1.11.2-cp310-cp310-musllinux_1_2_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`41112ded3371711a689573711f77b240ac35a5f2108d884c3ef20fb471977bdb`
MD5	`f909847f86db1ecac4be9901487ea143`
BLAKE2b-256	`3353ffcf13b80c4d2f09212ab294f1493c2de70ce28f2cca22cc49470a6cad5d`

哈希值用于 blosc-1.11.2-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl

用于 blosc-1.11.2-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`4d00dd1050fbda9b6dbabbe054bd006c2b9eb03561bf59827eed7927f146dbb2`
MD5	`334a0baae4fc47eacf55e965f2c3f2c7`
BLAKE2b-256	`983f8c077963422269b49429f91386376f300ba9a11cbbfc443c8c4e51fa87f4`

哈希值用于 blosc-1.11.2-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

用于 blosc-1.11.2-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`dec0681560552cbca4aa168678cccbde00b8f4d0c471383dccc008023caac7f3`
MD5	`e88b21db9b1d460f66e0cfa292b8a05c`
BLAKE2b-256	`154239211b8b4772e8cc1a6b5e92411db47ab0eec245b4f3507a502f658f15bd`

哈希值用于 blosc-1.11.2-cp310-cp310-macosx_11_0_arm64.whl

用于 blosc-1.11.2-cp310-cp310-macosx_11_0_arm64.whl 的哈希值
算法	哈希摘要
SHA256	`8be1f0f62b4d86e3c463d2748d242981669318c3fb5708f62fb628799656b68e`
MD5	`af606fece2e21e68dd1efe53c1f54c51`
BLAKE2b-256	`2f7209fd3affbd14f4ada8a1c1303fca3f16013f2639b58d9f3859b167e2b411`

哈希值用于 blosc-1.11.2-cp310-cp310-macosx_10_9_x86_64.whl

用于 blosc-1.11.2-cp310-cp310-macosx_10_9_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`3c72a23463d8bf7aebcd4c5d590aea2041acbc23a48ee80b24701e8cf5a8fb15`
MD5	`3db056f2b88a2448400609e50f03f4be`
BLAKE2b-256	`8b31b686531b2177d29ca6dc508ac9b299b8a913644aee0939a165c3943dff20`

哈希值用于 blosc-1.11.2-cp39-cp39-win_amd64.whl

用于 blosc-1.11.2-cp39-cp39-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`e643ff14fdc1209838c4e5e66f1dd838c8dcf4c91168fa9f37dbb54a3dc2eedd`
MD5	`04fd71c4f43251e8697194aeee610d05`
BLAKE2b-256	`40c6a3a3ba445badeff175a1b82bd793fde0a5373c1204e81ac2e2f3efd86f4c`

哈希值用于 blosc-1.11.2-cp39-cp39-win32.whl

用于 blosc-1.11.2-cp39-cp39-win32.whl 的哈希值
算法	哈希摘要
SHA256	`cf46b686be123af5d240da91a3caf023f61b58486cb878c42e75eda77c519dd3`
MD5	`e1dd1da8beb6ab61fd09955f57b62c7b`
BLAKE2b-256	`870608e77e2193d386e36f6de15ddcbe983058f98953e3e71cf434c7f25e16ef`

哈希值用于 blosc-1.11.2-cp39-cp39-musllinux_1_2_x86_64.whl

用于 blosc-1.11.2-cp39-cp39-musllinux_1_2_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`57c31e9d5cfaa32477cef04f3581464292319ba2e432be0d3aaaff16d684e4ea`
MD5	`59f1ea389ad62504e2878f8c79748d1d`
BLAKE2b-256	`69fdef75705958f4648518df13d642ce18114078d545d8859ef1af47b0fdfade`

哈希值用于 blosc-1.11.2-cp39-cp39-musllinux_1_2_aarch64.whl

用于 blosc-1.11.2-cp39-cp39-musllinux_1_2_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`f577dcce3bf86f806d0abf1ae48fb17ee5be207121edbe22f74235aaae6f1741`
MD5	`74fb38ad52b6959f916b7eb6d9afa57f`
BLAKE2b-256	`ab007627d3ef80a8dc5bcd3c4377d9fb5b645ad652a52bbcce35364b8a745338`

哈希值用于 blosc-1.11.2-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl

用于 blosc-1.11.2-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`15d0c214c6be07e2990aa5624c4a4dd85564752df70efa2aadfe9362d81bef29`
MD5	`864a7c2505db09dd7a254b63c2df0626`
BLAKE2b-256	`ef05b4cafdc0b062ea7c6493f3e419087fe003bb71afe6317a44a3093aba10b1`

哈希值用于 blosc-1.11.2-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

用于 blosc-1.11.2-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`25171ebd1bb223844a2c78993399edf5aeea0cd02a4a41fc300dd7919bea17cb`
MD5	`752a103db77bee36df1b2721aff2b8bd`
BLAKE2b-256	`7fa9b270c232c102ecd747af5d89f0671fddc0a408fe406f944db1a95d99bd04`

哈希值用于 blosc-1.11.2-cp39-cp39-macosx_11_0_arm64.whl

用于 blosc-1.11.2-cp39-cp39-macosx_11_0_arm64.whl 的哈希值
算法	哈希摘要
SHA256	`167ab728ad2c8487603817bd50210953f0cf3ad7fe9e54320721cf61d8847ac2`
MD5	`2c3f88d3fdb8490e098d3e56c67a6db3`
BLAKE2b-256	`9706188bc14a4e7e25a1d4cfda8bf9ea9a681a404c593c01141396a1746a9098`

哈希值用于 blosc-1.11.2-cp39-cp39-macosx_10_9_x86_64.whl

用于 blosc-1.11.2-cp39-cp39-macosx_10_9_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`3f799144079f6a30dd3894fda870c91bfeb38854fbca19287340f865f590b253`
MD5	`4f5c52fdc956a932d2c5a54003b9727b`
BLAKE2b-256	`1e45126129662dd73392999b3711a2142d990c7e3fe08f176b919bc79bf3e262`

blosc 1.11.2

导航

验证详情

维护者

未验证详情

项目链接

元数据

分类器

项目描述

一个为极快Blosc压缩库的Python封装

是什么

安装

文档

构建

通过 setuptools 安装

使用已安装的 Blosc 库进行编译

测试

基准测试

许可

邮件列表

项目详情

验证详情

维护者

未验证详情

项目链接

元数据

分类器

版本历史发布通知 | RSS 源

下载文件

源代码分发

构建分发

blosc 1.11.2

导航

验证详情

维护者

未验证详情

项目链接

元数据

分类器

项目描述

一个为极快Blosc压缩库的Python封装

是什么

安装

文档

构建

通过 setuptools 安装

使用已安装的 Blosc 库进行编译

测试

基准测试

许可

邮件列表

项目详情

验证详情

维护者

未验证详情

项目链接

元数据

分类器

版本历史 发布通知 | RSS 源

下载文件

源代码分发

构建分发

版本历史发布通知 | RSS 源