Project Icon

datasketch

Python概率数据结构库实现大规模数据高效处理

datasketch是一个用于处理和搜索大规模数据的Python库,提供多种概率数据结构如MinHash和HyperLogLog,用于估计Jaccard相似度和基数。该库包含MinHash LSH和HNSW等索引结构,实现亚线性查询时间。支持Python 3.7+版本,兼容Redis和Cassandra存储层,为大数据分析提供高效解决方案。

datasketch:让大数据看起来很小

.. image:: https://static.pepy.tech/badge/datasketch/month :target: https://pepy.tech/project/datasketch

.. image:: https://zenodo.org/badge/DOI/10.5281/zenodo.598238.svg :target: https://zenodo.org/doi/10.5281/zenodo.598238

datasketch提供概率数据结构,可以快速处理和搜索大量数据,同时保持较高的准确性。

该包包含以下数据草图:

+-------------------------+-----------------------------------------------+ | 数据草图 | 用途 | +=========================+===============================================+ | MinHash_ | 估计Jaccard相似度和基数 | +-------------------------+-----------------------------------------------+ | Weighted MinHash_ | 估计加权Jaccard相似度 | +-------------------------+-----------------------------------------------+ | HyperLogLog_ | 估计基数 | +-------------------------+-----------------------------------------------+ | HyperLogLog++_ | 估计基数 | +-------------------------+-----------------------------------------------+

为支持亚线性查询时间,提供了以下数据草图索引:

+---------------------------+-----------------------------+------------------------+ | 索引 | 适用数据草图 | 支持的查询类型 | +===========================+=============================+========================+ | MinHash LSH_ | MinHash, Weighted MinHash | Jaccard阈值 | +---------------------------+-----------------------------+------------------------+ | MinHash LSH Forest_ | MinHash, Weighted MinHash | Jaccard Top-K | +---------------------------+-----------------------------+------------------------+ | MinHash LSH Ensemble_ | MinHash | 包含度阈值 | +---------------------------+-----------------------------+------------------------+ | HNSW_ | 任意 | 自定义度量Top-K | +---------------------------+-----------------------------+------------------------+

datasketch必须与Python 3.7或更高版本、NumPy 1.11或更高版本以及Scipy一起使用。

注意,MinHash LSH_和MinHash LSH Ensemble还支持Redis和Cassandra存储层(参见大规模MinHash LSH)。

安装

使用pip安装datasketch:

::

pip install datasketch

这也会安装NumPy作为依赖项。

安装带Redis依赖的版本:

::

pip install datasketch[redis]

安装带Cassandra依赖的版本:

::

pip install datasketch[cassandra]

.. _MinHash: https://ekzhu.github.io/datasketch/minhash.html .. _Weighted MinHash: https://ekzhu.github.io/datasketch/weightedminhash.html .. _HyperLogLog: https://ekzhu.github.io/datasketch/hyperloglog.html .. _HyperLogLog++: https://ekzhu.github.io/datasketch/hyperloglog.html#hyperloglog-plusplus .. _MinHash LSH: https://ekzhu.github.io/datasketch/lsh.html .. _MinHash LSH Forest: https://ekzhu.github.io/datasketch/lshforest.html .. _MinHash LSH Ensemble: https://ekzhu.github.io/datasketch/lshensemble.html .. _大规模MinHash LSH: http://ekzhu.github.io/datasketch/lsh.html#minhash-lsh-at-scale .. _HNSW: https://ekzhu.github.io/datasketch/documentation.html#hnsw

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号