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 ()

Paso 2: Configurar analizador

Nota: Para ejecutar transformadores en modo fuera de línea, verifique el modo de transformadores fuera de línea.

Algunos analizador admiten GPU y para utilizar el parámetro de dispositivo PASS. Lista de valores posibles del parámetro del dispositivo (valor predeterminado automático ):

1. Auto : GPU (CUDA: 0) se utilizará si está disponible de lo contrario se utilizará CPU
2. CPU : se utilizará CPU
3. CUDA: {id} - GPU se utilizará con ID de dispositivo CUDA proporcionado

Flojo 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	Observe las revisiones de aplicaciones de Google Play Store, el texto del preprocesamiento a través de varias funciones de limpieza de texto, analicelas realizando la clasificación de texto, informarles a Pandas DataFrame y almacenar CSV resultante a Google Drive
	Revistas de PlayStore → Preprocesamiento → Clasificación → Pandas DataFrame → CSV en Google Drive
3	Observe las revisiones de aplicaciones de Apple App Store, texto de preprocesos a través de varias funciones de limpieza de texto, analizarlas realizando una clasificación de texto, informarles a Pandas DataFrame y almacenar CSV resultante a Google Drive
	Revisiones de AppStore → Preprocesamiento → Clasificación → Pandas DataFrame → CSV en Google Drive
4	Observe el artículo de noticias de Google News, texto de preprocesamiento a través de varias funciones de limpieza de texto, analícelos mediante la realización de la clasificación de texto mientras divide el texto en pequeños trozos y luego calcula la inferencia final utilizando la fórmula dada
	Google News → Cleaner de texto → divisor de texto → Clasificación → Agregador de inferencia

Consejos: manejar la clasificación de texto grande a través de OBSEI

Documentación

Para obtener instrucciones de instalación detalladas, usos y ejemplos, consulte nuestra documentación.

Matriz de soporte y lanzamiento

	Linux	Impermeable	Windows	Observación
Pruebas	✅	✅	✅	Baja cobertura como difícil de probar libres de terceros
PEPITA	✅	✅	✅	Totalmente compatible
Condición				No compatible

Foro de discusión

La discusión sobre Obsei se puede hacer en el foro comunitario

Changelogs

Consulte lanzamientos para Changelogs

Problema de seguridad

Para cualquier problema de seguridad, contáctenos por correo electrónico

Stargazers con el tiempo

Mantenedores

Este proyecto está siendo mantenido por Oraika Technologies. Lalit Pagaria y Girish Patel son mantenedores de este proyecto.

Licencia

• Titular de los derechos de autor: Oraika Technologies
• General Apache 2.0 y puede leer el archivo de licencia.
• Múltiples otras licencias de copyleft permisivas o débiles secundarias (LGPL, MIT, BSD, etc.) para componentes de terceros referen la atribución.
• Para hacer que el proyecto sea más amigable para el comercio, anulamos componentes de terceros que tienen fuertes licencias de copyleft (GPL, AGPL, etc.) en el proyecto.

Atribución

Esto no podría haber sido posible sin estos softwares de código abierto.

Contribución

En primer lugar, gracias por incluso considerar contribuir a este paquete, cada contribución grande o pequeña es muy apreciada. Consulte nuestra directriz de contribución y el código de conducta.

Muchas gracias a todos nuestros contribuyentes