PyTables

PyTablesはHDF5ライブラリとnumarrayのPythonパッケージの上に構築されます。
これは、CythonからC-生成されたコードが全体の速度を増加させると組み合わせることで、オブジェクト指向のインタフェースを保持する

この特長：

この簡単を使用すること
NaturalNaming方式のサポート
データへの容易なアクセス
メモリを保存します
自然な形で構造データ
スピーディI / O操作

このリリースで新しい何が：

このスプリアスユニコード比較警告を修正しました。
空の文字列属性の処理を改善しました。 '＆＃x5c; 0' PyTablesの以前のバージョンでは、空の文字列をサイズ1と値を持つ属性HDF5スカラーとして格納されていました（空のヌル文字で終了する文字列）。 HDF5はゼロサイズの属性として今、空の文字列が格納されています。
新しい料理のレシピやPyTablesを持つ単純なスレッドの例をいくつか追加しました。
冗長：FUNC： `utilsextension.get_indices`機能（：メタ：` slice.indices`に置き換え）排除されています。
ポイント選択に負のインデックスを許可します。
それは結果が存在しなかったと主張場合はインデックスが使用されていませんでした。
原子とコルの種類は、もはやそれはIDEや、それらを処理するための静的解析ツールの方が簡単ですので、今、動的に生成されません。
IDX-opt.cでkeysort機能が融合されたタイプを使用してcythonisedされています。もパフォーマンスは、ほとんど変わらないですが、コードがはるかに簡単です。
リファクタリング小さなユニットテスト。

この改良：

このバージョン3.1.1の新機能です。
メタ： `File.create_array` * OBJ *パラメータが指定されていないときに一時的な配列を作成しないでください。
直接filenodeするファイルシステムからコピーし、その逆のために（ `tables.nodes.filenode.save_to_filenode`：FUNC：` tables.nodes.filenode.read_from_filenode`と：：FUNC）は、2つの新しいユーティリティ関数が追加されました。
ファイル：： `例/もはや有用であると考えネストiter.py`削除しました。
`-msse2`コンパイラフラグのより良い検出。
バグ修正：
インポート時に例外を発生させ、重大なバグを修正しました。
内部Blosc_ライブラリがバージョン1.3.5にアップデートされました。

この何がバージョン2.4.0で追加されます。

は、float16データ型のサポートが追加されました。 （すなわち、numpyの＆＃のSpark Proのを、1.6 =）これはnumpyのは同様にそれを提供する場合にのみ使用可能です。
リーフノードは、現在メモリとディスク上のデータのサイズを取得するための属性を持っています。ディスク上のデータを圧縮することができるので、新しい属性は、それが簡単にデータ圧縮比を計算することを可能にします。

この何がバージョン2.3.1で追加されます。

は実装されていない種類のスカラーデータセットを読み取ることないバグを修正しました。
複数のバージョンのPythonがインストールされているホスト上で失敗するPyTables 2.3のインストールを引き起こしsetup.py` `の不具合を修正しました。

このバージョン2.3.1 RC1の新機能：実装されていない種類のスカラーデータセットを読み取ることを防止

このバグを修正しました。
複数のバージョンのPythonがインストールされているホスト上で失敗するPyTables 2.3のインストールを引き起こしsetup.py` `の不具合を修正しました。

この何バージョン2.3で新しく追加されます。

OPSIするPyTablesが任意に大きなテーブルの上に高速なクエリを実行することを可能にする、強力で革新的なインデックスエンジンです。ユーザーが自分のニーズ（多かれ少なかれサイズ、多かれ少なかれ性能）を好みに合ったベスト1を選択することができるようにまた、そのインデックスの最適化レベルの広い範囲を提供しています。インデクセーションコードも本当に短いインデックス作成と検索時間を確保するために、numpyのとNumexprパッケージのベクトル化機能を利用しています。
データの読み取りとクエリの間にあなたが集中オブジェクトツリーのブラウズに最高速度を達成することができます両方のメタデータ（ノード）と通常のデータのための微調整LRUキャッシュ。これはPyTablesに固有のものであり、非常に高い性能を達成するために重要であること、高レベルの構造に対してより適していますが、それは、HDF5に既に効率的なキャッシュ存在を補完します。