Humanize 项目技术文档
2024-12-25 03:15:47作者:霍妲思
1. 安装指南
Humanize 是一个用于数据人性化的 Python 包,它可以将数字、日期和时间等转换为更易于理解的格式。以下是安装 Humanize 的步骤:
从 PyPI 安装
使用 pip 命令从 Python 包索引(PyPI)安装 Humanize:
pip install --upgrade humanize
从源代码安装
克隆 GitHub 仓库并从源代码安装:
git clone https://github.com/python-humanize/humanize.git
cd humanize
pip install -e
2. 项目的使用说明
Humanize 提供了多种实用函数来转换和格式化数据,以下是一些基本用法示例:
整数人性化
import humanize
print(humanize.intcomma(12345)) # 输出: '12,345'
print(humanize.intword(123455913)) # 输出: '123.5 million'
print(humanize.intword(12345591313)) # 输出: '12.3 billion'
print(humanize.apnumber(4)) # 输出: 'four'
print(humanize.apnumber(41)) # 输出: '41'
日期和时间人性化
import datetime as dt
print(humanize.naturalday(dt.datetime.now())) # 输出: 'today'
print(humanize.naturaldelta(dt.timedelta(seconds=1001))) # 输出: '16 minutes'
print(humanize.naturalday(dt.datetime.now() - dt.timedelta(days=1))) # 输出: 'yesterday'
print(humanize.naturalday(dt.date(2007, 6, 5))) # 输出: 'Jun 05'
print(humanize.naturaldate(dt.date(2007, 6, 5))) # 输出: 'Jun 05 2007'
print(humanize.naturaltime(dt.datetime.now() - dt.timedelta(seconds=1))) # 输出: 'a second ago'
print(humanize.naturaltime(dt.datetime.now() - dt.timedelta(seconds=3600))) # 输出: 'an hour ago'
精确时间差
delta = dt.timedelta(seconds=3633, days=2, microseconds=123000)
print(humanize.precisedelta(delta)) # 输出: '2 days, 1 hour and 33.12 seconds'
print(humanize.precisedelta(delta, minimum_unit="microseconds")) # 输出: '2 days, 1 hour, 33 seconds and 123 milliseconds'
文件大小人性化
print(humanize.naturalsize(1_000_000)) # 输出: '1.0 MB'
print(humanize.naturalsize(1_000_000, binary=True)) # 输出: '976.6 KiB'
print(humanize.naturalsize(1_000_000, gnu=True)) # 输出: '976.6K'
可读的浮点数
print(humanize.fractional(1/3)) # 输出: '1/3'
print(humanize.fractional(1.5)) # 输出: '1 1/2'
print(humanize.fractional(0.3)) # 输出: '3/10'
print(humanize.fractional(0.333)) # 输出: '333/1000'
print(humanize.fractional(1)) # 输出: '1'
科学记数法
print(humanize.scientific(0.3)) # 输出: '3.00 x 10⁻¹'
print(humanize.scientific(500)) # 输出: '5.00 x 10²'
print(humanize.scientific("20000")) # 输出: '2.00 x 10⁴'
print(humanize.scientific(1**10)) # 输出: '1.00 x 10⁰'
print(humanize.scientific(1**10, precision=1)) # 输出: '1.0 x 10⁰'
print(humanize.scientific(1**10, precision=0)) # 输出: '1 x 10⁰'
3. 项目API使用文档
Humanize 的 API 文档可以在其官方文档网站查看,以下是部分 API 的简要说明:
intcomma(number): 将数字转换为带有逗号的字符串。intword(number): 将数字转换为更易读的单词形式。apnumber(number): 将数字转换为其对应的英文单词,如果是大于 1 的数字则直接返回数字。naturalday(date): 返回一个相对于当前日期的人类可读的字符串。naturaldelta(timedelta): 将时间差转换为人类可读的字符串。precisedelta(timedelta, minimum_unit=None, suppress=None, format=None): 返回一个精确的时间差,可以指定最小单位和是否显示某些时间单位。naturalsize(size, binary=False, gnu=False): 将文件大小转换为人类可读的字符串。fractional(value): 将浮点数转换为分数形式的字符串。scientific(value, precision=2): 将数字转换为科学记数法形式的字符串。
4. 项目安装方式
Humanize 支持两种安装方式:从 PyPI 安装和从源代码安装。具体的安装步骤请参考本文档的“安装指南”部分。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137