obsei

---

Pandas DataFrame

---

 import pandas as pd
from obsei . source . pandas_source import PandasSource , PandasSourceConfig

# Initialize your Pandas DataFrame from your sources like csv, excel, sql etc
# In following example we are reading csv which have two columns title and text
csv_file = "https://raw.githubusercontent.com/deepset-ai/haystack/master/tutorials/small_generator_dataset.csv"
dataframe = pd . read_csv ( csv_file )

# initialize pandas sink config
sink_config = PandasSourceConfig (
   dataframe = dataframe ,
   include_columns = [ "score" ],
   text_columns = [ "name" , "degree" ],
)

# initialize pandas sink
sink = PandasSource ()

Schritt 2: Analysator konfigurieren

Hinweis: Um Transformatoren in einem Offline -Modus auszuführen, überprüfen Sie den Offline -Modus von Transformatoren.

Einige Analysator unterstützen die GPU und verwenden den Parameter des Pass -Geräts . Liste der möglichen Werte des Geräteparameters (Standardwert Auto ):

1. AUTO : GPU (CUDA: 0) wird verwendet, falls verfügbar
2. CPU : CPU wird verwendet
3. CUDA: {ID} - GPU wird mit der bereitgestellten CUDA -Geräte -ID verwendet

Locker from obsei . sink . slack_sink import SlackSink , SlackSinkConfig # initialize slack sink config sink_config = SlackSinkConfig ( # Provide slack bot/app token # For more detail refer https://slack.com/intl/en-de/help/articles/215770388-Create-and-regenerate-API-tokens slack_token = "<Slack_app_token>" , # To get channel id refer https://stackoverflow.com/questions/40940327/what-is-the-simplest-way-to-find-a-slack-team-id-and-a-channel-id channel_id = "C01LRS6CT9Q" ) # initialize slack sink sink = SlackSink ()
Pandas DataFrame from pandas import DataFrame from obsei . sink . pandas_sink import PandasSink , PandasSinkConfig # initialize pandas sink config sink_config = PandasSinkConfig ( dataframe = DataFrame () ) # initialize pandas sink sink = PandasSink ()
2	Beobachten Sie die App -Bewertungen im Google Play Store, im Vorverarbeitungstext über verschiedene Textreinigungsfunktionen, analysieren Sie sie, indem Sie die Textklassifizierung durchführen, sie über Pandas DataFrame informieren und resultierende CSV auf Google Drive speichern
	PlayStore -Bewertungen → Vorverarbeitung → Klassifizierung → Pandas DataFrame → CSV im Google Drive
3	Beobachten Sie die App -Bewertungen im Apple App Store, im Vorverarbeitungstext über verschiedene Textreinigungsfunktionen, analysieren Sie sie, indem Sie die Textklassifizierung durchführen, sie über Pandas DataFrame informieren und resultierende CSV an Google Drive speichern
	AppStore -Bewertungen → Vorverarbeitung → Klassifizierung → Pandas DataFrame → CSV im Google Drive
4	Beobachten Sie den Nachrichtenartikel aus Google News, Vorab -Text über verschiedene Textreinigungsfunktionen, analysieren Sie sie durch die Ausführung der Textklassifizierung, während Sie Text in kleinen Stücken aufspalten und später die endgültige Inferenz mit der angegebenen Formel berechnen
	Google News → Textreiniger → Textsplitter → Klassifizierung → Inferenz -Aggregator

Tipps: Behandeln Sie eine große Textklassifizierung über OBSEI

Dokumentation

Ausführliche Anweisungen, Verwendungen und Beispiele für Installation finden Sie in unserer Dokumentation.

Support- und Freigabematrix

	Linux	MAC	Fenster	Bemerkung
Tests	✅	✅	✅	Niedrige Deckung als schwierig zu testen 3. Partei -Bibliotheken
PIP	✅	✅	✅	Voll unterstützt
Conda				Nicht unterstützt

Diskussionsforum

Die Diskussion über OBSEI kann im Community Forum durchgeführt werden

Changelogs

Siehe Veröffentlichungen für Changelogs

Sicherheitsproblem

Für jedes Sicherheitsproblem kontaktieren Sie uns bitte per E -Mail

Stargazers im Laufe der Zeit

Betreuer

Dieses Projekt wird von Oraika -Technologien aufrechterhalten. Lalit -Pagaria und Girish Patel sind Indenker dieses Projekts.

Lizenz

• Urheberrechtshalter: Oraika Technologies
• Insgesamt Apache 2.0 und Sie können die Lizenzdatei lesen.
• Mehrere andere sekundäre zulässige oder schwache CopyLEFT-Lizenzen (LGPL, MIT, BSD usw.) für Komponenten von Drittanbietern beziehen sich auf die Zuordnung.
• Um das Projekt kommerzieller freundlicher zu gestalten, lästern wir Dritte, die über starke CopyLEFT -Lizenzen (GPL, AGPL usw.) in das Projekt verfügen.

Zuschreibung

Dies hätte ohne diese Open -Source -Software nicht möglich sein können.

Beitrag

Zunächst einmal vielen Dank, dass Sie sogar überlegt haben, zu diesem Paket beizutragen. Jeder große oder kleine Beitrag wird sehr geschätzt. Weitere Informationen finden Sie in unserer Beitragsrichtlinie und unserem Verhaltenskodex.

Vielen Dank an alle unsere Mitwirkenden