obsei

---

DataFrame PANDAS

---

 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 ()

Langkah 2: Mengkonfigurasi Analisis

Catatan: Untuk menjalankan Transformers dalam mode offline, periksa Mode Offline Transformers.

Beberapa penganalisa mendukung GPU dan untuk memanfaatkan parameter perangkat lulus. Daftar Nilai Parameter Perangkat yang Mungkin (Nilai Default Auto ):

1. Auto : GPU (CUDA: 0) akan digunakan jika tersedia jika tidak CPU akan digunakan
2. CPU : CPU akan digunakan
3. CUDA: {ID} - GPU akan digunakan dengan ID perangkat CUDA yang disediakan

Kendur 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 ()
DataFrame PANDAS 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	Amati ulasan aplikasi dari Google Play Store, teks preprocess melalui berbagai fungsi pembersihan teks, menganalisisnya dengan melakukan klasifikasi teks, menginformasikannya ke pandaframe dan menyimpan CSV yang dihasilkan ke Google Drive
	Ulasan Playstore → Preprocessing → Klasifikasi → DataFrame PANDAS → CSV di Google Drive
3	Amati ulasan aplikasi dari Apple App Store, Teks Preprocess melalui berbagai fungsi pembersihan teks, menganalisisnya dengan melakukan klasifikasi teks, menginformasikannya ke Pandas DataFrame dan menyimpan CSV yang dihasilkan ke Google Drive
	Ulasan AppStore → Preprocessing → Klasifikasi → DataFrame PANDAS → CSV di Google Drive
4	Amati Artikel Berita dari Google News, teks preprocess melalui berbagai fungsi pembersihan teks, menganalisisnya melalui melakukan klasifikasi teks sambil membagi teks dalam potongan kecil dan kemudian komputasi inferensi akhir menggunakan formula yang diberikan
	Berita Google → Pembersih Teks → Pembagi Teks → Klasifikasi → Agregator Inferensi

Tips: Tangani Klasifikasi Teks Besar melalui Obsei

Dokumentasi

Untuk instruksi instalasi terperinci, penggunaan dan contoh, lihat dokumentasi kami.

Dukungan dan Rilis Matriks

	Linux	Mac	Windows	Komentar
Tes	✅	✅	✅	Cakupan rendah karena sulit untuk menguji libs pihak ke -3
Pip	✅	✅	✅	Didukung sepenuhnya
Conda				Tidak didukung

Forum Diskusi

Diskusi tentang Obsei dapat dilakukan di Forum Komunitas

Changelogs

Rujuk Rilis untuk Changelogs

Masalah keamanan

Untuk masalah keamanan apa pun, silakan hubungi kami melalui email

Stargazer dari waktu ke waktu

Pemelihara

Proyek ini sedang dikelola oleh Oraika Technologies. Lalit Pagaria dan Girish Patel adalah pengelola proyek ini.

Lisensi

• Pemegang Hak Cipta: Oraika Technologies
• Secara keseluruhan Apache 2.0 dan Anda dapat membaca file lisensi.
• Beberapa lisensi copyleft permisif atau lemah lainnya (LGPL, MIT, BSD dll.) Untuk komponen pihak ketiga merujuk atribusi.
• Untuk membuat proyek lebih ramah komersial, kami membatalkan komponen pihak ketiga yang memiliki lisensi copyleft yang kuat (GPL, AGPL dll.) Ke dalam proyek.

Atribusi

Ini tidak mungkin terjadi tanpa perangkat lunak open source ini.

Kontribusi

Pertama, terima kasih karena telah mempertimbangkan berkontribusi pada paket ini, setiap kontribusi besar atau kecil sangat dihargai. Silakan merujuk Pedoman Kontribusi dan Kode Etik kami.

Terima kasih banyak untuk semua kontributor kami