PAN Blend data-reduction-frameworks packages

Actuellement, même s'il peut écrire des fichiers STL, VRML, OFF et DXF, ADMesh ne lit que les fichiers au format STL qui sont utilisés pour le prototypage rapide. Admesh peut entre autres : remplir les trous dans le réseau en ajoutant des facettes, réparer les faces en connectant les facettes environnantes, réparer les directions normales (c’est-à-dire, les facettes doivent être orientées dans le sens contraire des aiguilles d'une montre), enlever les faces dégénérées (c’est-à-dire, les faces avec au moins deux sommets égaux).

Bcolz fournit des conteneurs de données en colonnes et par morceaux pouvant être compressés en mémoire et sur le disque. Le stockage par colonne permet de requêter les tables efficacement et d'ajouter ou supprimer des colonnes à bas coût. Il est basé sur NumPy et l'utilise comme un conteneur de données standard pour communiquer avec les objets bcolz, mais il est également fourni avec la prise en charge d'outils d'import/export vers et depuis des tables HDF5 et PyTables et des cadres de données Pandas.

Ce paquet fournit la documentation.

Bitshuffle is an algorithm that rearranges typed, binary data for improving compression, as well as a python/C package that implements this algorithm within the Numpy framework.

The library can be used along side HDF5 to compress and decompress datasets and is integrated through the dynamically loaded filters framework. Bitshuffle is HDF5 filter number 32008.

Algorithmically, Bitshuffle is closely related to HDF5's Shuffle filter except it operates at the bit level instead of the byte level. Arranging a typed data array in to a matrix with the elements as the rows and the bits within the elements as the columns, Bitshuffle "transposes" the matrix, such that all the least-significant-bits are in a row, etc. This transpose is performed within blocks of data roughly 8kB long.

This does not in itself compress data, only rearranges it for more efficient compression. To perform the actual compression you will need a compression library. Bitshuffle has been designed to be well matched Marc Lehmann's LZF as well as LZ4. Note that because Bitshuffle modifies the data at the bit level, sophisticated entropy reducing compression libraries such as GZIP and BZIP are unlikely to achieve significantly better compression than simpler and faster duplicate-string-elimination algorithms such as LZF and LZ4. Bitshuffle thus includes routines (and HDF5 filter options) to apply LZ4 compression to each block after shuffling.

The Bitshuffle algorithm relies on neighbouring elements of a dataset being highly correlated to improve data compression. Any correlations that span at least 24 elements of the dataset may be exploited to improve compression.

Clpeak is a synthetic benchmarking tool to measure peak capabilities of opencl devices. It only measures the peak metrics that can be achieved using vector operations and does not represent a real-world use case

Fityk est un programme flexible et portable pour la régression non linéaire de fonctions analytiques (spécialement celles en forme de pic) pour des données (habituellement des données expérimentales) – en d’autres mots pour le tri et l’analyse non linéaire.

Il a été développé pour l’analyse de modèles de diffraction, mais peut être aussi utilisé dans d’autres domaines, car les opérations et les concepts particuliers à la cristallographie sont séparés du reste du programme.

Fityk propose diverses méthodes de régression non linéaire, détection d’arrière-plan, calibration de données, positionnement aisé des pics et modifications de leurs paramètres, automatisation des tâches courantes avec des scripts et bien d’autres choses encore. Le principal avantage de ce programme est sa souplesse – les paramètres des pics peuvent être de manière arbitraire reliés les uns aux autres, par exemple, la largeur d’un pic peut être une variable indépendante, la même que celle d’un autre pic ou peut être donnée par une formule compliquée commune à tous les pics.

Libjs-sphinxdoc est nécessaire pour les éléments en Javascript dans la documentation.

Gnuplot est un utilitaire de tracé de données et de fonctions en ligne de commande qui prend en charge de nombreux formats de sortie, dont les pilotes pour de nombreuses imprimantes, (La)Tex, (x)fig, Postscript, etc. La version X11 est empaquetée dans gnuplot-x11.

Les fichiers de données et les fonctions définies par l'utilisateur peuvent être manipulés avec le langage interne de gnuplot (type langage C). Gnuplot peut effectuer des lissages, des régressions linéaires ou non linéaires (par splines notamment) et peut travailler avec les nombres complexes.

Ce métapaquet permet d’installer gnuplot avec toutes ses possibilités (-qt, -x11 ou -nox).

GrADS (Grid Analysis and Display System) est un outil interactif pour le bureau utilisé pour un accès facile à des données des sciences de la Terre, leur manipulation et leur représentation. Le format de données peut être binaire, GRIB, NetCDF ou HDF-SDS (Scientific Data Sets). GrADS est mis en œuvre de par le monde sur divers systèmes d’exploitation communément utilisés et est distribué de manière libre par Internet.

GrADS utilise un environnement quadri-dimensionnel : longitude, latitude, altitude et heure. Les ensembles de données sont placés à l’intérieur d’un espace 4 D en utilisant un fichier de descripteurs de données. GrADS exploite les données de station ainsi que des données de maillage, et celui-ci peut être, régulier, à espacement non linéaire, gaussien ou de résolution variable. Les données de différents ensembles peuvent être superposées, avec des enregistrements spatiaux et temporels corrects. Les opérations sont exécutées interactivement par la saisie d’expressions de type FORTRAN sur la ligne de commande. Un ensemble abondant de fonctions internes est fourni, mais les utilisateurs peuvent aussi ajouter leurs propres fonctions sous forme de routines externes écrites dans n’importe quel langage de programmation.

Les données peuvent être affichées en utilisant diverses techniques : graphique linéaire ou à barres, nuage de points, lissage de contour, ombrage de contour, ligne de courant, vecteur vent, maillage grisé et modèle de pointage de station météo. Les graphiques peuvent être produits en PostScript ou sous forme d’images. GrADS le fait avec des valeurs par défaut probables du point de vue géophysique, mais l’utilisateur a la possibilité de contrôler tous les aspects de la sortie graphique.

GrADS possède une interface programmable (langage de script) permettant des applications d’analyses sophistiquées et d’affichage. Des scripts sont à utiliser pour afficher des boutons ou des menus déroulants ainsi que des graphiques, et permettre des actions basées sur des pointages et cliquages d’utilisateur. GrADS peut être exécuté en mode de traitement par lots (batch), et le langage de script facilite la réalisation de travaux de nuit de traitement par lots.

HDF5 (Hierarchical Data Format 5) est un format de fichier pour le stockage de données scientifiques. Ces outils permettent la conversion d'autres formats vers HDF5 et la visualisation de fichiers HDF5. Ils incluent⋅:

 -⋅h5topng, qui extrait une tranche 2d d'un fichier HDF5 et l'enregistre
   au format PNG⋅;
 -⋅h5totxt, qui extrait des tranches 2d et renvoie du texte avec des
   virgules comme délimiteurs (en vue de l'importation dans un tableur)⋅;
 -⋅h5fromtxt, qui convertit du texte simple en des ensembles de données
   numériques HDF5 multidimensionnelles⋅;
 -⋅h5fromh4, qui convertit des données HDF4 en HDF5⋅;
 -⋅h5tovtk, qui convertit des fichiers HDF5 en fichiers VTK afin de les
   visualiser dans des logiciels supportant ce format.

HDF Compass est un programme expérimental de visualisation pour les formats HDF5 et apparentés, conçu pour compléter d’autres applications plus complexes comme HDFView. Un accent fort a été placé sur une conception minimale épurée et une extensibilité maximale à l’aide d’un système de greffons pour de nouveaux formats.

Ce paquet fournit l’application HDF Compass.

Le mécanisme externe de filtrage introduit avec HDF5 1.8.12 permet aux applications d’utiliser des filtres personnalisés non fournis par la bibliothèque centrale d’HDF5 sans recompiler l’application. Ce paquet fournit des filtres externes pour HDF5 pour :

 – l’algorithme de compression LZ4 ;
 – la compression BZip2.

Ce paquet fournit un filtre pour HDF5 qui utilise le compresseur Blosc. En installant ce filtre, il est possible de lire et écrire des fichiers HDF5 avec des ensembles de données compressés avec Blosc.

H5Z-ZFP is a compression filter for HDF5 using the ZFP compression library, supporting lossy and lossless compression of floating point and integer data to meet bitrate, accuracy, and/or precision targets.

HDF5 (bibliothèque Hierarchical Data Format, version 5) est une bibliothèque scientifique, mature et générique conçue pour le stockage rapide et adaptable de très grandes quantités de données.

Ce paquet fournit un greffon pour le filtre LZF de HDF5 pour la bibliothèque de compression LZF. Des greffons sont construits pour des travaux en série (processeur unique – libhdf5-dev) ou pour des travaux multiprocesseurs (plusieurs processus légers – libhdf5-mpi-dev).

HDF5 (Hierarchical Data Format 5) est un format de fichier et une bibliothèque pour stocker des données scientifiques. HDF5 a été conçu et mis en œuvre pour corriger les faiblesses de HDF4.x. Il possède un modèle de données plus puissant et souple, supporte les fichiers de plus de 2 Go et les E/S parallèles.. Ce paquet contient les outils d'exécution pour HDF5.

Ce programme peut afficher, éditer, analyser, traiter, enregistrer et imprimer des images 8, 16 et 32 bits. Il peut lire de nombreux formats d'image, dont TIFF, GIF, JPEG, BMP, DICOM, FITS et RAW. Il prend en charge les « stacks », une série d'images partageant une même fenêtre.

ImageJ peut calculer des statistiques de zones et pixels à partir de sélections de l'utilisateur. Il peut mesurer les distances et les angles. Il peut créer des histogrammes de densité et des affichages de profils linéaires. Il prend en charge les fonctions standard de traitement d'images telles que la manipulation du contraste, l'accentuation, l'adoucissement, la détection d'arêtes et le filtrage médian.

La calibration spatiale est disponible pour fournir des mesures de dimensions réelles dans des unités comme le millimètre. La calibration de la densité ou des niveaux de gris est également disponible.

ImageJ est développé par Wayne Rasband (wayne@codon.nih.gov) dans la Research Services Branch du National Institute of Mental Health à Bethesda, Maryland, USA.

Notebook de Jupyter est une application web permettant de créer et de partager des documents contenant du « live code », des équations, des représentations et des textes d’explication. Notebook prend en charge plusieurs langages de programmation, le partage et les composants graphiques interactifs.

Ce paquet fournit le script «⋅notebook⋅», «⋅nbextension⋅», «⋅serverextension⋅» et «⋅bundlerextension⋅».

LabPlot fournit un moyen de créer, gérer et d’éditer des tracés de données. Il permet de produire des tracés à partir de données de feuille de calcul ou importées de fichiers externes. Les tracés peuvent être exportés dans plusieurs formats de graphismes matriciels ou vectoriels.

 .
Ses fonctionnalités incluent :
 – gestion des données par projet ;
 – explorateur de projet pour la gestion et l’organisation des objets créés
   dans différents dossiers ou sous-dossiers ;
 – feuille de calcul avec les fonctions de base pour la saisie manuelle des
   données ou pour la génération de nombres aléatoires uniformes ou non ;
 – importation de données ASCII externes dans le projet pour une édition et
   visualisation ultérieures ;
 – exportation de feuille de calcul dans un fichier ASCII ;
 – feuille de travail comme objet parent principal pour des tracés, des
   étiquettes, etc., prise en charge de différentes mises en page et de
   fonctions d’agrandissement ;
 – export de feuille de travail dans différents formats (PDF, EPS, PNG
   et SVG) ;
 – grande variété de possibilités d’édition des propriétés de feuille de
   travail et d’objet ;
 – tracés cartésiens créés soit à partir de données importées ou créées
   manuellement, soit à l’aide d’équations mathématiques ;
 – définition de formule mathématique gérée par coloration
   syntaxique et complétion, et par la liste, groupées par thème, de
   constantes et fonctions mathématiques et physiques ;
 – analyse des tracés prise en charge par de nombreuses fonctions de zoom
   et navigation ;
 – ajustements aux données linéaires ou non, plusieurs modèles
   d’ajustements prédéfinis et possibilité de modèles usuels avec un nombre
   arbitraire de paramètres.

Quantitative estimate of elemental composition by spectroscopic and imaging techniques using X-ray fluorescence requires the availability of accurate data of X-ray interaction with matter. Although a wide number of computer codes and data sets are reported in literature, none of them is presented in the form of freely available library functions which can be easily included in software applications for X-ray fluorescence. This work presents a compilation of data sets from different published works and an xraylib interface in the form of callable functions. Although the target applications are on X-ray fluorescence, cross sections of interactions like photoionization, coherent scattering and Compton scattering, as well as form factors and anomalous scattering functions, are also available.

xraylib provides access to some of the most respected databases of physical data in the field of X-rays. The core of xraylib is a library, written in ANSI C, containing over 40 functions to be used to retrieve data from these databases. This C library can be directly linked with any program written in C, C++ or Objective-C.

This package contains the header files.

Quantitative estimate of elemental composition by spectroscopic and imaging techniques using X-ray fluorescence requires the availability of accurate data of X-ray interaction with matter. Although a wide number of computer codes and data sets are reported in literature, none of them is presented in the form of freely available library functions which can be easily included in software applications for X-ray fluorescence. This work presents a compilation of data sets from different published works and an xraylib interface in the form of callable functions. Although the target applications are on X-ray fluorescence, cross sections of interactions like photoionization, coherent scattering and Compton scattering, as well as form factors and anomalous scattering functions, are also available.

xraylib provides access to some of the most respected databases of physical data in the field of X-rays. The core of xraylib is a library, written in ANSI C, containing over 40 functions to be used to retrieve data from these databases. This C library can be directly linked with any program written in C, C++ or Objective-C.

Xylib est une bibliothèque C++ pour lire des données x-y de diffraction poudreuse, de spectroscopie et d’autres méthodes expérimentales.

Ce paquet fournit un petit programme xyconv, convertissant les fichiers pris en charge par la bibliothèque xylib en TSV (valeurs séparées par des tabulations).

Recherche et exportation de valeurs numériques de n’importe quel fichier texte/ASCII. Les ensembles de données (scalaires, vecteurs, matrices) obtiennent des noms uniques, basés sur le contenu du fichier. Les résultats peuvent être générés pour, par exemple, Matlab, YAML, IDL, Scilab, Octave, XML, HTML ou NeXus/HDF5.

Ce paquet fournit l’exécutable.

LZ4 est un algorithme de compression sans perte très rapide, fournissant une vitesse de compression de 400⋅Mbit/s par cœur, extensible avec les processeurs multi-cœurs. Il dispose aussi d'une fonction de décodeur extrêmement rapide, avec une vitesse de plusieurs Gbits/s par cœur, atteignant généralement les limites de vitesse de la mémoire vive sur les systèmes multi-cœurs.

Ce paquet fournit les fichiers d'un outil utilisant liblz4.

Ngraph est le programme de création de graphiques scientifiques en 2D pour les chercheurs et ingénieurs. Ce programme peut créer des graphiques élaborés qui ne peuvent pas être produits par des tableurs. Ces graphiques peuvent être exportés en Postscript

Octave est un langage de haut niveau (presque entièrement compatible avec Matlab®), d'abord destiné aux calculs numériques. Il fournit une interface pratique en ligne de commande, pour résoudre de façon numérique les problèmes linéaires et non linéaires.

Octave peut être étendu à l’aide de fichiers C++.

Pandoc est une bibliothèque en Haskell permettant de convertir d'un format de balisage vers un autre et un outil en ligne de commande utilisant cette bibliothèque. Les formats qu’il peut lire incluent :

  – les formats de balisage léger (beaucoup de variantes de Markdown,
    reStructuredText, AsciiDoc, Org-mode, Muse, Textile, txt2tags) ;
  – les formats HTML (HTML 4 et 5) ;
  – les formats Ebook (EPUB v2 et v3, FB2) ;
  – les formats de documentation (GNU TexInfo, Haddock) ;
  – les formats Roff (man, ms) ;
  – les formats TeX (LaTeX, ConTeXt) ;
  – le système de composition Typst ;
  – les formats XML (DocBook 4 et 5, JATS, TEI Simple, OpenDocument) ;
  – les formats Outline (OPML) ;
  – les formats bibliographiques (BibTeX, BibLaTeX, CSL JSON, CSL YAML, RIS) ;
  – les formats de traitement de texte (Docx, RTF, ODT) ;
  – les formats de calepin interactifs (calepin ipynb de Jupyter) ;
  – les formats de disposition de page (InDesign ICML) ;
  – les formats de balisage de wiki (MediaWiki, DokuWiki, TikiWiki, TWiki,
    Vimwiki, XWiki, ZimWiki, wiki de Jira , Creole) ;
  – les formats de présentation (LaTeX Beamer, PowerPoint, Slidy,
    reveal.js, Slideous, S5, DZSlides) ;
  – les formats de données (tables CSV et TSV) ;
  – le format PDF (à l’aide de programmes externes tels que pdflatex
    ou wkhtmltopdf).

Pandoc peut convertir du contenu mathématique de documents entre les formats TeX, MathML, équations Word, équations de roff (eqn), typst et du texte pur. Il inclut un système puissant pour la citation et la bibliographie automatiques, et il peut être considérablement personnalisé en utilisant des modèles, des filtres, des lecteurs et éditeurs personnalisés, écrits en Lua.

Ce paquet fournit l’outil pandoc.

Quelques utilisations de Pandoc demandent des paquets supplémentaires :

 – du contenu SVG vers du PDF nécessite librsvg2-bin ;
 – les métadonnées YAML vers une sortie relative à TeX nécessitent
   texlive-latex-extra ;
 – les filtres *.hs non déclarés exécutables nécessitent ghc ;
 – les filtres *.js non déclarés exécutables nécessitent nodejs ;
 – les filtres *.php non déclarés exécutables nécessitent php ;
 – les filtres *.pl non déclarés exécutables nécessitent perl ;
 – les filtres *.py non déclarés exécutables nécessitent python ;
 – les filtres *.rb non déclarés exécutables nécessitent ruby ;
 – les filtres *.r non déclarés exécutables nécessitent r-base-core ;
 – la sortie LaTeX et la sortie PDF à l’aide de PDFLaTeX nécessitent
   texlive-latex-recommended ;
 – la sortie XeLaTeX et la sortie PDF à l’aide de XeLaTeX nécessitent
   texlive-xetex ;
 – la sortie LuaTeX et la sortie PDF à l’aide de LuaTeX nécessitent
   texlive-luatex ;
 – la sortie ConTeXt et la sortie PDF à l’aide de ConTeXt nécessitent
   context ;
 – la sortie PDF à l’aide de wkhtmltopdf nécessite wkhtmltopdf ;
 – la sortie roff man et roff ms et la sortie PDF à l’aide de roff ms
   nécessitent groff ;
 – les équations rendues avec MathJax nécessitent libjs-mathjax ;
 – les équations rendues avec KaTeX nécessitent node-katex.
 – l’option --csl peut utiliser des styles en
   citation-style-language-styles.

PyMca est un ensemble d’applications et de bibliothèques de Python pour l’analyse de spectre de fluorescence des rayons X.

Les applications incluses dans ce paquet sont :

 – edfviewer : affichage et inspection de fichiers de données au
               format de données ESRF ;
 – elementsinfo : affichage de données de rayons X d’élément spécifique ;
 – mca2edf : conversion des fichiers MCA SPEC vers EDF ;
 – peakidentifier : affichage de pics de fluorescence X dans une gamme
                    d’énergie donnée ;
 – pymcabatch : ajustement par lot de spectre ;
 – pymcapostbatch : post-traitement des résultats d’ajustement par lot ;
 – pymca : analyse de données interactive ;
 – pymcaroitool : outil de zone d’intérêt (ROI) d’imagerie.

La boîte à outils PyMca peut lire les fichiers de données aux formats SPEC, ESRF data file (EDF), OMNIC, HDF5, AIFIRA et SupaVisio.

Il s’agit des scripts du paquet.

Agate is a Python data analysis library that is optimized for humans instead of machines. It is an alternative to numpy and pandas that solves real-world problems with readable code.

Why agate?

• A readable and user-friendly API.
• A complete set of SQL-like operations.
• Unicode support everywhere.
• Decimal precision everywhere.
• Exhaustive user documentation.
• Pluggable extensions that add SQL integration, Excel support, and more.
• Designed with iPython, Jupyter and atom/hydrogen in mind.
• Pure Python. No C dependencies to compile.
• Exhaustive test coverage.
• MIT licensed and free for all purposes.
• Zealously zen.
• Made with love.

This package provides the documentation.

Dask is a flexible parallel computing library for analytics, containing two components.

1. Dynamic task scheduling optimized for computation. This is similar to Airflow, Luigi, Celery, or Make, but optimized for interactive computational workloads.
2. "Big Data" collections like parallel arrays, dataframes, and lists that extend common interfaces like NumPy, Pandas, or Python iterators to larger-than-memory or distributed environments. These parallel collections run on top of the dynamic task schedulers.

This contains the documentation

Notebooks come alive when interactive widgets are used. Learning becomes an immersive and fun experience. Researchers can easily see how changing inputs to a model impact the results.

This package installs documentation.

MPI for Python (mpi4py) provides bindings of the Message Passing Interface (MPI) standard for the Python programming language, allowing any Python program to exploit multiple processors.

mpi4py is constructed on top of the MPI-1/MPI-2 specification and provides an object oriented interface which closely follows MPI-2 C++ bindings. It supports point-to-point (sends, receives) and collective (broadcasts, scatters, gathers) communications of any picklable Python object as well as optimized communications of Python object exposing the single-segment buffer interface (NumPy arrays, builtin bytes/string/array objects).

This package provides HTML rendering of the user's manual.

Scikit-bio is a Python package providing data structures, algorithms, and educational resources for bioinformatics.

This is the HTML documentation for skbio.

scikit-image is a collection of image processing algorithms for Python. It performs tasks such as image loading, filtering, morphology, segmentation, color conversions, and transformations.

This package contains documentation and example scripts for python-skimage.

This package contains documentation and example scripts for python-sklearn.

PyTables is a package for managing hierarchical datasets and designed to efficiently cope with extremely large amounts of data.

It is built on top of the HDF5 library and the NumPy package. It features an object-oriented interface that, combined with C extensions for the performance-critical parts of the code (generated using Cython), makes it a fast, yet extremely easy to use tool for interactively save and retrieve very large amounts of data. One important feature of PyTables is that it optimizes memory and disk resources so that they take much less space (between a factor 3 to 5, and more if the data is compressible) than other solutions, like for example, relational or object oriented databases.

• Compound types (records) can be used entirely from Python (i.e. it is not necessary to use C for taking advantage of them).
• The tables are both enlargeable and compressible.
• I/O is buffered, so you can get very fast I/O, specially with large tables.
• Very easy to select data through the use of iterators over the rows in tables. Extended slicing is supported as well.
• It supports the complete set of NumPy objects.

This package includes the manual in HTML formats.

Agate is a Python data analysis library that is optimized for humans instead of machines. It is an alternative to numpy and pandas that solves real-world problems with readable code.

Why agate?

• A readable and user-friendly API.
• A complete set of SQL-like operations.
• Unicode support everywhere.
• Decimal precision everywhere.
• Exhaustive user documentation.
• Pluggable extensions that add SQL integration, Excel support, and more.
• Designed with iPython, Jupyter and atom/hydrogen in mind.
• Pure Python. No C dependencies to compile.
• Exhaustive test coverage.
• MIT licensed and free for all purposes.
• Zealously zen.
• Made with love.

This package provides the modules for Python 3.

bcolz provides columnar, chunked data containers that can be compressed in-memory and on-disk. Column storage allows for efficiently querying tables, as well as for cheap column addition and removal. It is based on NumPy, and uses it as the standard data container to communicate with bcolz objects, but it also comes with support for import/export facilities to/from HDF5/PyTables tables and Pandas dataframes.

This package contains the modules for Python 3.

CodraFT is a generic signal and image processing software based on Python scientific libraries (such as NumPy, SciPy or scikit-image) and Qt graphical user interfaces (thanks to guidata and guiqwt.

CodraFT stands for "CODRA Filtering Tool".

CodraFT is available as a stand-alone application or as an addon to your Python-Qt application thanks to advanced automation and embedding features.

Collection of perceptually uniform colormaps for use with Python plotting programs like bokeh, matplotlib, holoviews, and datashader based on the set of perceptually uniform colormaps created by Peter Kovesi at the Center for Exploration Targeting.

Le paquet colormap fournit des utilitaires simples pour convertir les couleurs entre RGB, HEX, HLS, HUV et une classe pour bâtir des tables de correspondance des couleurs (colormap) pour matplotlib. Toutes les tables de matplotlib et certaines de R sont disponibles en bloc. La méthode plot_colormap est pratique pour rapidement récupérer une table et test_colormap est utile pour voir le résultat d’un test d’une nouvelle table.

Ce paquet installe la bibliothèque pour Python 3.

When using matplotlib and plotting more than one line, it is common to want to be able to cycle over one or more artist styles; but the plotting logic can quickly become very involved.

To address this and allow easy cycling over arbitrary 'kwargs' the Cycler class, a composable kwarg iterator, was developed.

This package contains the Python 3 version of Cycler.

Dask is a flexible parallel computing library for analytics, containing two components.

1. Dynamic task scheduling optimized for computation. This is similar to Airflow, Luigi, Celery, or Make, but optimized for interactive computational workloads.
2. "Big Data" collections like parallel arrays, dataframes, and lists that extend common interfaces like NumPy, Pandas, or Python iterators to larger-than-memory or distributed environments. These parallel collections run on top of the dynamic task schedulers.

This contains the Python 3 version.

Descartes permet l’utilisation d’objets géométriques comme greffons et chaînes (chemins) pour matplotlib.

Ce paquet fournit la version en Python 3 de la bibliothèque.

Python 3 tools for reading European XFEL's HDF5 files.

Plotting data on Google Maps, the easy way. A matplotlib-like interface to generate the HTML and javascript to render all the data you’d like on top of Google Maps. Several plotting methods make creating exploratory map views effortless.

This package facilitates the creation and rendering of graph descriptions in the DOT language of the Graphviz graph drawing software from Python.

Create a graph object, assemble the graph by adding nodes and edges, and retrieve its DOT source code string. Save the source code to a file and render it with the Graphviz installation of your system.

Use the view option/method to directly inspect the resulting (PDF, PNG, SVG, etc.) file with its default application. Graphs can also be rendered and displayed within Jupyter notebooks.

This contains the Python 3 version.

Il s’agit d’une interface de Python pour le format de fichier netCDF4, qui lit et écrit des fichiers HDF5, locaux ou distants, directement à l’aide de h5py oo h5pyd, sans s’appuyer sur la bibliothèque netCDF d’Unidata.

Ce paquet fournit les modules pour Python⋅3.

HDF5 pour Python (h5py) est une interface Python généraliste pour la bibliothèque Hierarchical Data Format, version 5. HDF5 est une bibliothèque polyvalente, scientifiquement mature, conçue pour un stockage rapide et flexible d'énormes quantités de données.

Du point de vue d'un programmeur Python, HDF5 offre une manière robuste de stocker des données, organisées par nom sous forme arborescente. Des bases de données peuvent être créées (baies de stockage) de centaines de gigaoctets et effectuer des accès E/S aléatoires dans les sections désirées. Les jeux de données sont organisés dans une hiérarchie de type système de fichiers en utilisant des conteneurs appelés « groupes », et auxquels l’accès se fait en utilisant la syntaxe traditionnelle POSIX /chemin/vers/ressource.

H5py fournit une interface simple, robuste en lecture/écriture, pour les données HDF5 à partir de Python. Les concepts existants de Python et Numpy sont utilisés pour l'interface ; par exemple, les jeux de données sur le disque sont représentés par une classe mandataire qui gère le transfert de sous-ensembles (slicing) et qui possède les attributs dtype et shape. Les groupes HDF5 sont présentés en utilisant la métaphore d'un dictionnaire, indexés par nom.

Ce paquet est un paquet simple de dépendance qui dépend de la construction série ou MPI de h5py et fournit les fichiers de test de données.

h5sparse is a Python library which helps create scipy sparse matrix in HDF5.

hdf5plugin provides h5py extensions to control HDF5 compression filters plugins installed in the system.

The package supports providing options to: * blosc * bitshuffle * lz4 * FCIDECOMP * ZFP * zstd

These filter plugins are not provided by this package and need to be installed using their own packages.

HyperSpy is an open source Python library for the interactive analysis of multidimensional datasets that can be described as multidimensional arrays of a given signal (for example, a 2D array of spectra, also known as a spectrum image).

HyperSpy makes it straightforward to apply analytical procedures that operate on an individual signal to multidimensional arrays, as well as providing easy access to analytical tools that exploit the multidimensionality of the dataset.

Its modular structure makes it easy to add features to analyze many different types of signals.

ipyparallel is a Python package and collection of CLI scripts for controlling clusters for Jupyter. ipyparallel is the new home of IPython.parallel.

ipyparallel contains the following command-line scripts:

   ipcluster - start/stop a cluster
   ipcontroller - start a scheduler
   ipengine - start an engine

This package installs the Python 3 library and the CLI scripts.

Notebooks come alive when interactive widgets are used. Learning becomes an immersive and fun experience. Researchers can easily see how changing inputs to a model impact the results.

This package installs the library for Python 3 notebooks.

JoyPy is a one-function Python package based on matplotlib + pandas with a single purpose: drawing joyplots (a.k.a. ridgeline plots). Joyplots are stacked, partially overlapping density plots. They are a nice way to plot data to visually compare distributions, especially those that change across one dimension (e.g., over time). Though hardly a new technique, they have become very popular lately thanks to the R packages ggridges and ggjoy.

Leather is the Python charting library for those who need charts now and don’t care if they’re perfect.

Why leather?

• A readable and user-friendly API.
• Optimized for exploratory charting.
• Produces scale-independent SVG charts.
• Completely type-agnostic. Chart your data, whatever it is.
• Designed with iPython, Jupyter and atom/hydrogen in mind.
• Pure Python. No C dependencies to compile.
• MIT licensed and free for all purposes.
• Zealously zen.
• Made with love.

This package provides the modules for Python 3.

Matplotlib est une bibliothèque de traçage en Python pur conçue pour apporter à Python des capacités de traçage d'une qualité adaptée à la publication, avec une syntaxe familière aux utilisateurs de Matlab. L'accès à toutes les commandes de traçage, dans l'interface pylab, est possible soit à travers une interface fonctionnelle familière aux utilisateurs de Matlab, soit à travers une interface orientée objet familière à ceux de Python.

MPI pour Python (mpi4py) fournit des liaisons pour la norme MPI (Message Passing Interface) pour le langage de programmation Python, permettant à n’importe quel programme en Python d’exploiter plusieurs processeurs.

Mpi4py est construit sur la base de la spécification MPI-1/MPI-2 et fournit une interface orientée objet qui suit de près les liaisons C++ vers MPI-2. Il gère les communications point-à-point (envoi, réception) et collectives (diffusions générales ou particulières de données) de n’importe quel objet de Python sélectionnable ainsi que des communications optimisées d’objet de Python exposant l’interface à tampon non-segmenté (tableaux NumPy, objets internes d’octets, chaîne ou tableau).

This package provides functionality to make it easy to make your own scatter density maps, both for interactive and non-interactive use. Fast.

This package installs the library for Python 3.

mplcursors provides interactive data selection cursors for Matplotlib. It is inspired from mpldatacursor, with a much simplified API.

This package installs the library for Python 3.

A Python module to export matplotlib graphs, e.g. for mpld3.

This package provides the Python 3.x module.

The matplotlib basemap toolkit is a library for plotting 2D data on maps in Python. It is similar in functionality to the matlab mapping toolbox, the IDL mapping facilities, GrADS, or the Generic Mapping Tools. PyNGL and CDAT are other libraries that provide similar capabilities in Python.

Basemap does not do any plotting on its own, but provides the facilities to transform coordinates to one of 23 different map projections (using the PROJ.4 C library). Matplotlib is then used to plot contours, images, vectors, lines or points in the transformed coordinates. Shoreline, river and political boundary datasets (from Generic Mapping Tools) are provided, along with methods for plotting them. The GEOS library is used internally to clip the coastline and political boundary features to the desired map projection region.

Basemap provides facilities for reading data in netCDF and Shapefile formats, as well as directly over http using OPeNDAP. This functionality is provided through the PyDAP client, and a Python interface to the Shapefile C library.

Basemap is geared toward the needs of earth scientists, particular oceanographers and meteorologists. The author originally wrote Basemap to help in his research (climate and weather forecasting), since at the time CDAT was the only other tool in Python for plotting data on map projections. Over the years, the capabilities of Basemap have evolved as scientists in other disciplines (such as biology, geology and geophysics) requested and contributed new features.

This package contains the Python 3 version of python-mpltoolkits.basemap.

WARNING: this package is deprecated in favour of cartopy.

La version 4 de NetCDF possède de nombreuses fonctions non trouvées dans les précédentes versions de la bibliothèque et est implémentée au-dessus de HDF5. Ce module peut lire et écrire à la fois dans le nouveau format netCDF 4 et dans l’ancien netCDF 3, et il peut créer des fichiers lisibles par les clients HDF5. L’interface de programmation applicative est conçue selon le modèle de Scientific.IO.NetCDF, et devrait être familière aux utilisateurs de ce module.

La plupart des nouvelles fonctions de netCDF 4 sont mises en œuvre, telles que plusieurs dimensions illimitées, les groupes et la compression zlib des données. Tous les nouveaux types numériques de données (tels que les types d’entier 64 bits et non signé) sont implémentés. Les types de données composite et à longueur variable (vlen) sont gérés, mais les types de données énumération et opaque ne sont pas gérés. Les mélanges de types composite et vlen (types composite contenant des types vlen et inversement) ne sont pas gérés.

Ce paquet fournit le module netCDF 4 pour Python 3.

This package consists of a couple of optimised tools for doing things that can roughly be considered "group-indexing operations". The most prominent tool is aggregate.

aggregate takes an array of values, and an array giving the group number for each of those values. It then returns the sum (or mean, or std, or any, ...etc.) of the values in each group. You have probably come across this idea before, using matlab accumarray, pandas groupby, or generally MapReduce algorithms and histograms.

There are different implementations of aggregate provided, based on plain numpy, numba and weave. Performance is a main concern, and so far this implementation comfortably beats similar implementations in other packages (check the benchmarks).

Ce paquet fournit les liaisons Python⋅3 pour la bibliothèque OpenCV (Open Computer Vision).

La bibliothèque Open Computer Vision est un ensemble d'algorithmes et de codes d'exemple pour divers problèmes de vision par ordinateur. La bibliothèque est compatible avec IPL (Image Processing Library d'Intel) et, s'il est disponible, IPP d'Intel (Integrated Performance Primitives) pour de meilleures performances.

OpenCV fournit des types de données et des opérateurs portables de bas niveau et un ensemble de fonctionnalités de haut niveau pour l'acquisition vidéo, le traitement et l'analyse d'image, l'analyse structurale, l'analyse du mouvement et le suivi d'objet, la reconnaissance d’objet, la calibration de caméra et la reconstruction⋅3D.

Palettable (anciennement brewer2mpl) est une bibliothèque de palettes de couleurs pour Python. Il a été écrit en Python pur avec aucune dépendance, mais il peut fournir des cartes de couleurs pour matplotlib. Palettable peut être utilisable pour personnaliser des tracés de matplotlib ou pour fournir des couleurs pour une application web.

Ce paquet installe la bibliothèque pour Python 3.

Pandas est un paquet de Python fournissant des structures de données rapides, modulables et expressives, conçues pour travailler facilement et intuitivement avec des données « relationnelles » ou « étiquetées ». Il vise à être un bloc de construction fondamental et de haut niveau pour réaliser l’analyse pratique de données du monde réel en Python. Pandas convient bien pour différentes sortes de données :

 — données de tableaux avec des colonnes de types hétérogènes, comme dans
   des tables SQL ou des feuilles de calcul Excel ;
 — données de séries temporelles triées ou non (pas nécessairement à
   fréquence fixe) ;
 — données de matrices arbitraires (de type homogène ou non) avec des
   étiquettes de ligne et colonne ;
 — n’importe quelle forme d’ensembles de données d’observations ou
   statistiques. Les données n’ont en fait pas du tout besoin d’être
   étiquetées pour être placées dans des structures de données pandas.

Ce paquet fournit la version Python⋅3.

This package provides a periodic table of the elements with support for mass, density and xray/neutron scattering information.

Masses, densities and natural abundances come from the NIST Physics Laboratory, but do not represent a critical evaluation by NIST scientists.

Neutron scattering calculations use values collected by the Atomic Institute of the Austrian Universities. These values do corresponding to those from other packages, though there are some differences depending to the tables used. Bound coherent neutron scattering for gold in particular is significantly different from older value: 7.63(6) as measured in 1974 compared to 7.90(7) as measured in 1990.

X-ray scattering calculations use a combination of empirical and theoretical values from the LBL Center for X-ray Optics. These values differ from those given in other sources such as the International Tables for Crystallography, Volume C, and so may give different results from other packages.

This package installs the library for Python 3.

Versatile utility function to run external processes from Python, with many features:

• runs an external process and waits for it to finish
• does not deadlock, no matter the process stdout/stderr output behaviour
• returns the exit code, stdout, stderr (separately, both as bytestrings), and the total process runtime as a dictionary
• process can run in a custom environment, either as a modification of the current environment or in a new environment from scratch
• stdin can be fed to the process, the returned dictionary contains information how much was read by the process
• stdout and stderr is printed by default, can be disabled
• stdout and stderr can be passed to any arbitrary function for live processing (separately, both as unicode strings)
• optionally enforces a time limit on the process

Pweave est un générateur de rapport scientifique et un outil de programmation lettrée pour Python. Pweave peut capturer le résultat et réaliser des tracés à partir d’analyse de données et fonctionne parfaitement avec NumPy, SciPy et matplotlib. Il peut exécuter du code Python à partir d’un document source et inclure le résultat et les tracés matplotlib dans sa sortie.

Utility package that includes:

• pyct.cmd: Makes various commands available to other packages. (Currently no sophisticated plugin system, just a try import/except in the other packages.) The same commands are available from within Python. Can either add new subcommands to an existing argparse based command if the module has an existing command, or create the entire command if the module has no existing command. Currently, there are commands for copying examples and fetching data. See
• pyct.build: Provides various commands to help package building, primarily as a convenience for project maintainers.

Pymatgen (Python Materials Genomics) est une bibliothèque de Python robuste et au code source ouvert pour l’analyse de matériaux, Voici quelques-unes des caractéristiques principales :

1. Classes grandement flexibles pour la représentation d’objets Element, Site, Molecule, Structure.

2. Prise en charge complète d’entrée/sortie, incluant, entre autres, les formats de fichier VASP (http://cms.mpi.univie.ac.at/vasp/), ABINIT (http://www.abinit.org/), CIF, Gaussian, XYZ.

3. Outils d’analyse puissants, incluant la génération de diagrammes de phase, de diagrammes de Pourbaix, d’analyses de diffusion, de réactions, etc.

4. Analyses de structure électronique, telles que la densité d’états et la structure de bande.

5. Intégration avec l’API REST de Materials Project REST API, avec Crystallography Open Database.

Ce paquet fournit le module pymtgen pour Python 3.

Matplotlib includes a number of test utilities and decorators, but these are geared towards the nose testing framework. Pytest-mpl makes it easy to compare figures produced by tests to reference images when using pytest.

This package provides the pytest plugin for Python 3.

Seaborn is a library for making attractive and informative statistical graphics in Python. It is built on top of matplotlib and tightly integrated with the PyData stack, including support for numpy and pandas data structures and statistical routines from scipy and statsmodels.

Some of the features that seaborn offers are

• Several built-in themes that improve on the default matplotlib aesthetics
• Tools for choosing color palettes to make beautiful plots that reveal patterns in your data
• Functions for visualizing univariate and bivariate distributions or for comparing them between subsets of data
• Tools that fit and visualize linear regression models for different kinds of independent and dependent variables
• A function to plot statistical timeseries data with flexible estimation and representation of uncertainty around the estimate
• High-level abstractions for structuring grids of plots that let you easily build complex visualizations

This is the Python 3 version of the package.

Scikit-bio is a Python package providing data structures, algorithms, and educational resources for bioinformatics.

This is the package for Python3

scikit-image is a collection of image processing algorithms for Python. It performs tasks such as image loading, filtering, morphology, segmentation, color conversions, and transformations.

This package provides the Python 3 module.

scikit-learn is a collection of Python modules relevant to machine/statistical learning and data mining. Non-exhaustive list of included functionality:

• Gaussian Mixture Models
• Manifold learning
• kNN
• SVM (via LIBSVM)

This package contains the Python 3 version.

sklearn-pandas provides a bridge between scikit-learn's machine learning methods and pandas data frames.

In particular, it provides:

• a way to map DataFrame columns to transformations, which are later recombined into features
• a way to cross-validate a pipeline that takes a pandas DataFrame as input.

This is the Python 3 version of the package.

PyTables is a package for managing hierarchical datasets and designed to efficiently cope with extremely large amounts of data.

It is built on top of the HDF5 library and the NumPy package. It features an object-oriented interface that, combined with C extensions for the performance-critical parts of the code (generated using Cython), makes it a fast, yet extremely easy to use tool for interactively save and retrieve very large amounts of data. One important feature of PyTables is that it optimizes memory and disk resources so that they take much less space (between a factor 3 to 5, and more if the data is compressible) than other solutions, like for example, relational or object oriented databases.

• Compound types (records) can be used entirely from Python (i.e. it is not necessary to use C for taking advantage of them).
• The tables are both enlargeable and compressible.
• I/O is buffered, so you can get very fast I/O, specially with large tables.
• Very easy to select data through the use of iterators over the rows in tables. Extended slicing is supported as well.
• It supports the complete set of NumPy objects.

Image and meta-data can be read from TIFF, BigTIFF, OME-TIFF, STK, LSM, NIH, ImageJ, MicroManager, FluoView, SEQ and GEL files.

Only a subset of the TIFF specification is supported, mainly uncompressed and losslessly compressed 2**(0 to 6) bit integer, 16, 32 and 64-bit float, grayscale and RGB(A) images, which are commonly used in bio-scientific imaging. Specifically, reading JPEG/CCITT compressed image data or EXIF/IPTC/GPS/XMP meta-data is not implemented. Only primary info records are read for STK, FluoView, MicroManager, and NIH image formats.

TIFF, the Tagged Image File Format, is under the control of Adobe Systems. BigTIFF allows for files greater than 4 GB. STK, LSM, FluoView, SEQ, GEL, and OME-TIFF, are custom extensions defined by MetaMorph, Carl Zeiss MicroImaging, Olympus, Media Cybernetics, Molecular Dynamics, and the Open Microscopy Environment consortium respectively.

A lightweight pure-Python derivative of Enthought Traits, used for configuring Python objects.

It powers the config system of IPython and Jupyter.

This package contains the library for Python 3.

xarray (anciennement xray) est un projet au code source ouvert et un paquet de Python qui vise à apporter la puissance des données étiquetées de pandas aux sciences physiques, en fournissant des variantes à N dimensions des structures centrales de données de pandas.

Il fournit une boîte à outils de type pandas et compatible avec pandas pour l’analyse exploratoire de données de tableaux multidimensionnels, plutôt que de données tabulaires pour lesquelles pandas excelle.

Ce paquet fournit la bibliothèque de Python 3.

X-ray Reference Data in SQLite library, including a Python3 interface. The database contains data about the interactions of X-rays with matter.

This package installs the library for Python 3.

Zarr is a Python package providing an implementation of compressed, chunked, N-dimensional arrays, designed for use in parallel computing. Some highlights:

• Create N-dimensional arrays with any NumPy dtype.
• Chunk arrays along any dimension.
• Compress chunks using the fast Blosc meta-compressor or alternatively using zlib, BZ2 or LZMA.
• Store arrays in memory, on disk, inside a Zip file, on S3, ...
• Read an array concurrently from multiple threads or processes.
• Write to an array concurrently from multiple threads or processes.
• Organize arrays into hierarchies via groups.
• Use filters to preprocess data and improve compression.

A remote desktop service that launches virtual machines and displays them in your browser. Place virtual machine files (ISO, QCOW2, VDI, VMDK...) into /var/lib/qemu-web-desktop/machines, add their name in the /etc/qemu-web-desktop/machines.conf file, and run qwdctl refresh. You can tune the service settings in the /etc/qemu-web-desktop/config.pl This project is also named Data Analysis Remote Treatment Service (DARTS).

Once installed, connect to http://server/qemu-web-desktop

Scilab est paquet logiciel scientifique basé sur le calcul matriciel. Scilab fournit en interne des centaines de fonctions mathématiques, des structures puissantes (incluant les polynômes, les fonctions rationnelles, les systèmes linéaires, les listes…), ainsi qu’un certain nombre de boîtes à outils spécifiques au contrôle, traitement de signal…

Ce paquet fournit aussi Xcos, un éditeur graphique pour concevoir des modèles de système dynamique hybride. Ces modèles peuvent être conçus, chargés, enregistrés, compilés ou simulés. Solution stable et efficiente pour les besoins industriels et académiques, Xcos fournit des fonctions pour la modélisation de système mécanique (automobile, aéronautique…), de circuit hydraulique (modélisation de barrage, canalisation…), etc. Des fonctions Modelica sont aussi fournies.

Pour une version minimale de scilab, le paquet « scilab-cli » est à installer.

Le projet silx vise à fournir une collection de paquets en Python pour prendre en charge le développement d’applications d’évaluation, de réduction et d’analyse de données dans des installations de rayonnement de synchrotron. Il a pour objectif de fournir la lecture et l’écriture de différents formats de fichier, des routines de réduction de données et un ensemble de composants graphiques en Qt pour explorer et visualiser les données.

La version actuelle fournit :

 – la lecture du format de fichier HDF5 (avec prise en charge du format
   de fichier SPEC) ;
 – les histogrammes ;
 – le lissage ;
 – la visualisation en 1D et 2D en utilisant plusieurs dorsaux
   (matplotlib ou OpenGL) ;
 – un composant graphique de tracé d’image avec un ensemble d’outils
   associés (consulter le journal des modifications) ;
 – un navigateur uniformisé pour les formats HDF5, SPEC et de fichiers
   d’image, gérant l’inspection et la visualisation d’ensembles de données
   multidimensionnels ;
 – un visualisateur uniformisé (nom de fichier de vues, silx) pour HDF5,
   SPEC et les formats de fichier d’image ;
 – un composant graphique basé sur OpenGL pour afficher des champs
   scalaires en 3D avec isosurfaces et plans sécants.

Ce paquet utilise la version Python 3 du paquet.

Spyder (previously known as Pydee) is a free open-source Python development environment providing MATLAB-like features in a simple and light-weighted software

This is a transitional package depending on the spyder package (which provides the application for Python 3). It can be removed after installation.