Save Experiment object as HDF5 File
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 35/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Attiva
- Ambito
- data
Direzione di ricerca
Inizia individuando l’oggetto Experiment e il suo comportamento esistente all_scansnos, quindi esamina come sono rappresentati i file di scansione e i dati dei rilevatori collegati. Definisci la voce dell’esperimento salvato, i collegamenti alle scansioni, le opzioni di copia, il grafico predefinito e il comportamento di Experiment.save/load prima di implementare; il lavoro comprende anche la verifica che load sia più veloce di all_scansnos().
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Add a function to the Experiment object that will save the object as a HDF5 File.
The file should contain:
- Experiment entry (default), including:
- folder name(s)
- config
- scan list
- start, end time
- instrument info?
- Default Plot - scan number vs scan time? (This might take a while as it requires reading each file)
- Links to the entry of every scan in the experiment
In addition, there should be an option to copy all the scans into a single file, and the additional option to copy all the linked data (detector data). This should probably use lossless compression if not already used.
Opening the file
There should also be a file reader, as an optional input to Experiment.
I would expect that it will be faster to read the scan list from the file than reading the file-system, but this should be checked.
Tasks
- Create Experiment.save
- Define experiment entry in saved file
- Define default plot in experiment entry
- include links to scan files
- option to copy scan file contents
- option to copy linked file contents
- Create Experiment.load
- Check that Experiment.load() is faster than Experiment.all_scansnos()
- Lingua principale
- Jupyter Notebook
- Stelle
- 2
- Fork
- 0
- Merge medio
- 17m
- PR unite (30g)
- 4
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di DiamondLightSource/mmg_toolbox
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
-
Improve msmapper autoscriptAperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 52/100
Tutte le issue di DiamondLightSource/mmg_toolbox
Issue simili
-
With emit_ontology_keys, one ontology key change is reported as two errors (keys and keys_digest)Forse già presa @rvandewater l’ha presa oggi. Apertabug priority:low
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
-
automated endpoint-dead needs-curation
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
almanac-data/climate-almanac#128 ·
I maintainer di solito rispondono entro 1 giorno
-
Predictions file keeps the first model's `mteb_model_meta` when a prediction folder is reusedAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 67/100
embeddings-benchmark/mteb#5866 ·
I maintainer di solito rispondono entro 1 giorno
-
[BUG] prices_to_returns(fill_nan=False) drops mid-series rows and returns multi-period returnsAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: GraphML export writes invalid XML when a value contains a control character (e.g. form feed)Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
topoteretes/cognee#6646 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno