结构化数据的表格 - 通用后端
项目描述
hl_tables
一个高级表格调度器,用于组合多个表格执行器
示例
创建直方图
dataset = EventDataset(f'localds://mc16_13TeV:{ds["RucioDSName"].values[0]}')
df = xaod_table(dataset)
truth = df.TruthParticles('TruthParticles')
llp_truth = truth[truth.pdgId == 35]
histogram(llp_truth.Count(), bins=3, range=(0,3))
plt.yscale('log')
plt.xlabel('Number of good LLPs in each event')
plt.ylabel('a MC Sample')
- 直方图数据将由后端计算并返回到您的本地Jupyter实例。
- 将渲染图形!
值得注意的事情
-
确实需要决定整个解决方案的方法。Reducer - 应该在哪个级别应用,最外层还是最内层?所以seq.count() - 那应该意味着seq.Select(a: a.count()),还是seq.count()(事件数量或事件内部的对象列表)?
-
计数需要更改为num或dimensions等。
项目详情
下载文件
下载适合您平台的文件。如果您不确定选择哪个,请了解更多关于安装包的信息。
源分布
hl_tables-1.0.0.tar.gz (9.8 kB 查看散列)
构建分发
hl_tables-1.0.0-py3-none-any.whl (11.5 kB 查看哈希值)
关闭
hl_tables-1.0.0.tar.gz 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 9ea53727cd5e5804b04ee74219afd3d7c6faff26055549fe18d536e8e7c12da5 |
|
MD5 | 91ce64adbb38bb162e78d7cac7fe3c3f |
|
BLAKE2b-256 | ecd654d47f6fefb887a310524f594b07d33f0f6f519813e25c987b3155a500ab |
关闭
hl_tables-1.0.0-py3-none-any.whl 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | f4630159b63cf01e8aacfc27acb3d927d22644362f685b7b84ddff765998bf18 |
|
MD5 | d6a37e1ae862bc49d8581184ece7e255 |
|
BLAKE2b-256 | 77c98ad1e13310070b114c494d19f8dcfb443cd248f4c87669f583ec1dba0060 |