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 ()

Étape 2: Configurer l'analyseur

Remarque: Pour exécuter les transformateurs en mode hors ligne, vérifiez les transformateurs hors ligne.

Certains analyseurs prennent en charge le GPU et pour utiliser le paramètre de dispositif de passe. Liste des valeurs possibles du paramètre du périphérique (valeur par défaut automatique ):

1. Auto : GPU (CUDA: 0) sera utilisé si disponible sinon CPU sera utilisé
2. CPU : CPU sera utilisé
3. CUDA: {ID} - GPU sera utilisé avec ID de périphérique CUDA fourni

Mou 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	Observez les avis d'applications à partir de Google Play Store, du texte de prétraitement via diverses fonctions de nettoyage de texte, analysez-les en effectuant une classification de texte, informez-les de Pandas DataFrame et stockez CSV résultant à Google Drive
	Playstore Reviews → Prétraitement → Classification → Pandas DataFrame → CSV dans Google Drive
3	Observez les avis sur les applications d'Apple App Store, le texte de prétraitement via diverses fonctions de nettoyage de texte, analysez-les en effectuant une classification de texte, informez-les à Pandas DataFrame et stockez CSV résultant à Google Drive
	APPSTORE AVIS → PRÉMOISSANCE → Classification → Pandas DataFrame → CSV dans Google Drive
4	Observer l'article de presse de Google News, le texte prétraitement via diverses fonctions de nettoyage de texte, analysez-les en effectuant une classification de texte tout en divisant du texte en petits morceaux et en calculant ultérieurement l'inférence finale en utilisant la formule donnée
	Google News → Nettoyer de texte → Splitter de texte → Classification → Aggréateur d'inférence

Conseils: gérer la classification des grands texte via OBSEI

Documentation

Pour des instructions d'installation détaillées, des usages et des exemples, reportez-vous à notre documentation.

Matrice de support et de libération

	Linux	Mac	Fenêtre	Remarque
Tests	✅	✅	✅	Couverture faible comme difficile à tester les LIB tiers
PÉPIN	✅	✅	✅	Entièrement pris en charge
Conda				Non pris en charge

Forum de discussion

La discussion sur Obsei peut être effectuée au Forum communautaire

Changelogs

Référer des versions pour Changelogs

Problème de sécurité

Pour tout problème de sécurité, veuillez nous contacter par e-mail

Stargazers au fil du temps

Maintient

Ce projet est maintenu par Oraika Technologies. Lalit Pagaria et Girish Patel sont des responsables de ce projet.

Licence

• Porte-copyright: Oraika Technologies
• APACHE 2.0 global et vous pouvez lire le fichier de licence.
• Plusieurs autres licences secondaires permissives ou faibles Copyleft (LGPL, MIT, BSD etc.) pour les composants tiers, référez l'attribution.
• Pour rendre le projet plus convivial commercial, nous avons annulé des composants tiers qui ont des licences de copie de copions (GPL, AGPL, etc.) dans le projet.

Attribution

Cela n'aurait pas pu être possible sans ces logiciels open source.

Contribution

Tout d'abord, merci d'avoir même envisagé de contribuer à ce package, chaque contribution grande ou petite est grandement appréciée. Veuillez référer nos directives de contribution et notre code de conduite.

Merci beaucoup à tous nos contributeurs