NPY file format for regular matrix data
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
Línea de trabajo
No se nombra ningún archivo de implementación ni ninguna prueba. Empieza revisando el manejo de las dimensiones de las matrices y los tipos de datos tratado en #15 y en la especificación del formato NPY enlazada. Se considera terminado decidir si NPY debe usarse dentro del formato TRX de nivel superior y especificar las implicaciones para la compatibilidad y el memory mapping.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
This idea was going to result in #15 getting peppered with repetitive comments, so I'm going to write it here separately instead.
TRX currently has novel handling of matrix dimensions & datatype for various data files, achieved via file names. When looking through the code in #15 I also see what looks like novel enumeration / single-character encoding of data type. This may be creating a novel solution for a problem for which many solutions already exist.
The NPY format provides an established solution for these issues. Matrix dimensions and data type (including endianness) are encoded in the file header as part of a dictionary literal. I've myself recently implemented C++ support for that format in https://github.com/MRtrix3/mrtrix3/pull/2437. Using this file format as part of the higher-order TRX format would be fairly trivial for Python, in particular facilitating reading / writing of data with no dependence on TRX libraries, and for other languages the overhead would be no greater than that demanded by the current specification. Potential downsides are that features such as matrix dimensionality / size and data type would no longer be visible from a filesystem view (though they could be pretty easily seen just using head), and memory-mapping implementations would need to support loading from a non-zero offset into a file (which shouldn't be difficult, it's a common operation). But the upsides in terms of not reinventing the wheel may more than offset that.
- Lenguaje dominante
- Python
- Estrellas
- 27
- Forks
- 20
- Merge medio
- 2 d 25 min
- PR fusionados (30 d)
- 1
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de tee-ar-ex/trx-python
-
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
tee-ar-ex/trx-python#85 · 1 reacción ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
tee-ar-ex/trx-python#77 · 1 comentario ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
tee-ar-ex/trx-python#72 · 3 comentarios ·
-
Circular Dependency for DIPY ?Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
tee-ar-ex/trx-python#51 · 23 comentarios ·
-
Allow other types into `append`Abiertogood first issue
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
tee-ar-ex/trx-python#39 · 1 comentario ·
Todos los issues de tee-ar-ex/trx-python
Issues similares
-
Agentic
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Imbad0202/academic-research-skills#979 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
reflex-dev/reflex#7561 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
prometheus-community/ansible#906 · 2 comentarios ·