连接前准备：

1. Python 开发环境
2. DB-API驱动：irispython wheel 文件
3. Connection String

步骤：

InterSystems IRIS是一个伟大的数据平台，它满足了当前市场所需的功能。在这篇文章中，你可以看到我心目中的前10大功能:

嗨，开发者们。

不要错过这个由InterSystems Healthcare副总裁@Donald.Woodlock主持的动手实践环节:

⏯ Machine Learning 201 - Neural Networks and Image Recognition

在这篇文章中，我试图找出多个领域来开发我们能够使用python和机器学习的功能。

每家医院都在努力利用技术和服务来提高其服务质量和效率。

医疗保健部门是一个非常大的、可供选择的服务领域，而python是做机器学习的最好技术之一。

在每个医院里，人们都会有一些感觉，如果这种感觉能够被计算机理解，使用技术就有机会提供更好的服务。

在这里，我们可以把这两者结合起来，在医疗部门，我正试图理解/识别各种选择，以提供更好的服务。

首先，我们可以尝试使用python的机器学习来识别人并了解他们目前的感受。比如，在医院信息系统中，每个病人至少有一张照片，使用该照片我们可以识别病人，然后一旦病人到达医院，使用视频监控和机器学习技术需要识别这个人的感觉。

在医院设施中会看到多种类型的感觉。

1）紧张

2）平静和冷静

3)   哭泣

4)  暴力的病人/亲属

5)  生病的病人

6)  高烧鉴定

像上面的情况，我们可以看到多种不同的类型。

如果一个已经登记的病人发高烧，那么使用闭路电视识别这个病人的情况，并捕捉温度热像仪，护理人员可以给予更好的支持，这在接待服务领域是非常大的区别。

如果这个发高烧的人已经是一个登记的病人，如果利用现有的照片识别这个病人，那么我们可以做多件事情。

1)如果该病人今天有预约，我们可以自动到达该病人处。

InterSystems Native SDK for Python是 InterSystems IRIS APIs 的轻量级接口，曾经只能通过 ObjectScript 使用。

准确地说，我对调用 ObjectScript 方法、类方法的能力特别感兴趣。它可以工作，而且效果很好，但默认情况下，调用只支持标量参数：字符串、布尔值、整数和浮点数。

但如果你想：

- 传递或返回结构，例如字典或列表

- 传递或返回流

您需要编写一些粘合代码或使用这个project （使用 pip install edpy 安装）。 edpy 包会给你一个简单的签名：

它允许您调用任何 ObjectScript 方法并返回结果。

像这样导入它：

call accepts 4 required arguments:
- iris - a reference to an established IRIS object
- class_name - IRIS class to call
- method_name - IRIS method to call
- args - list of 0 or more arguments

参数

每个参数可以是以下其中之一：

这是一个在InterSystems IRIS中用python和objectscript建立的对比测试。

测试目的是比较在python和objectscript中从BP到BO来回发送一千条请求/消息的速度。

更多信息，请访问 https://github.com/LucasEnard/benchmark-python-objectscript。

重要提示 : 这里用的是python, graph objectscipt和objectscript从一个BP到一个BO来回发送1000条消息的时间，单位是秒。

字符串信息是由十个字符串变量组成。

对象信息由十个对象变量组成，每个对象都是它自己的int、float、str和List（str）。

行中函数的时间是列中函数的x倍 :

嗨，开发者们！  

看看你如何用PyODBC和Native API在Python中开发并连接到InterSystems IRIS®数据平台。 

⏯ Using Python to Connect to InterSystems IRIS

<iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen="" frameborder="0" height="315" scrolling="no" src="//player.bilibili.com/player.html?aid=684120686&bvid=BV1zU4y1m7h7&cid=718939082&page=1" width="560"></iframe>

这篇文章是对我的  iris-globals-graphDB 应用的介绍。
在这篇文章中，我将演示如何在Python Flask Web 框架和PYVIS交互式网络可视化库的帮助下，将图形数据保存和抽取到InterSystems Globals中。

建议

• 阅读相关文档 使用 Globals
• 原生 SDK 介绍
• PYVIS 互动式网络可视化库

第一步 : 通过使用Python 原生SDK建立与IRIS Globals的链接

 #create and establish connection
  if not self.iris_connection:
         self.iris_connection = irisnative.createConnection("localhost", 1972, "USER", "superuser", "SYS")
                                     
  # Create an iris object
  self.iris_native = irisnative.createIris(self.iris_connection)
  return self.iris_native

第二步 : 使用 iris_native.set( ) 功能把数据保存到Globals 里     

#import nodes data from csv file
isdefined = self.iris_native.isDefined("^g1nodes")
if isdefined == 0:
    with open("/opt/irisapp/misc/g1nodes.csv", newline='') as csvfile:
reader = csv.DictReader(csvfile)
for row in reader:
self.iris_native.set(row["name"], "^g1nodes", row["id"])
#import edges data from csv file
isdefined = self.iris_native.isDefined("^g1edges")
if isdefined == 0:
with open("/opt/irisapp/misc/g1edges.csv", newline='') as csvfile:
reader = csv.DictReader(csvfile)
counter = 0                
for row in reader:
counter = counter + 1
#Save data to globals
self.iris_native.set(row["source"]+'-'+row["target"], "^g1edges", counter)  

第三步: 使用iris_native.get() 功能把节点和边缘数据从Globals传递给PYVIS

 #Get nodes data for basic graph    
  def get_g1nodes(self):
        iris = self.get_iris_native()
        leverl1_subscript_iter = iris.iterator("^g1nodes")
        result = []
        # Iterate over all nodes forwards
        for level1_subscript, level1_value in leverl1_subscript_iter:
            #Get data from globals
            val = iris.get("^g1nodes",level1_subscript)
            element = {"id": level1_subscript, "label": val, "shape":"circle"}
            result.append(element)            
        return result
    #Get edges data for basic graph  
    def get_g1edges(self):
        iris = self.get_iris_native()
        leverl1_subscript_iter = iris.iterator("^g1edges")
        result = []
        # Iterate over all nodes forwards
        for level1_subscript, level1_value in leverl1_subscript_iter:
#Get data from globals
            val = iris.get("^g1edges",level1_subscript)
            element = {"from": int(val.rpartition('-')[0]), "to": int(val.rpartition('-')[2])}
            result.append(element)            
        return result

Step4: Use PYVIS Javascript to generate graph data

<script type="text/javascript">
    // initialize global variables.
    var edges;
    var nodes;
    var network;
    var container;
    var options, data;
  
    // This method is responsible for drawing the graph, returns the drawn network
    function drawGraph() {
        var container = document.getElementById('mynetwork');
        let node = JSON.parse('{{ nodes | tojson }}');
        let edge = JSON.parse('{{ edges | tojson }}');
     
        // parsing and collecting nodes and edges from the python
        nodes = new vis.DataSet(node);
        edges = new vis.DataSet(edge);
        // adding nodes and edges to the graph
        data = {nodes: nodes, edges: edges};
        var options = {
            "configure": {
                "enabled": true,
                "filter": [
                "physics","nodes"
            ]
            },
            "nodes": {
                "color": {
                  "border": "rgba(233,180,56,1)",
                  "background": "rgba(252,175,41,1)",
                  "highlight": {
                    "border": "rgba(38,137,233,1)",
                    "background": "rgba(40,138,255,1)"
                  },
                  "hover": {
                    "border": "rgba(42,127,233,1)",
                    "background": "rgba(42,126,255,1)"
                 }
                },
                "font": {
                  "color": "rgba(255,255,255,1)"
                }
              },
            "edges": {
                "color": {
                    "inherit": true
                },
                "smooth": {
                    "enabled": false,
                    "type": "continuous"
                }
            },
            "interaction": {
                "dragNodes": true,
                "hideEdgesOnDrag": false,
                "hideNodesOnDrag": false,
                "navigationButtons": true,
                "hover": true
            },
            "physics": {
                "barnesHut": {
                    "avoidOverlap": 0,
                    "centralGravity": 0.3,
                    "damping": 0.09,
                    "gravitationalConstant": -80000,
                    "springConstant": 0.001,
                    "springLength": 250
                },
                "enabled": true,
                "stabilization": {
                    "enabled": true,
                    "fit": true,
                    "iterations": 1000,
                    "onlyDynamicEdges": false,
                    "updateInterval": 50
                }
            }
        }
        // if this network requires displaying the configure window,
        // put it in its div
        options.configure["container"] = document.getElementById("config");
        network = new vis.Network(container, data, options);
      return network;
    }
    drawGraph();
</script>

第五步: 从app.py 主文件调用上面的代码

#Mian route. (index)
@app.route("/")
def index():
    #Establish connection and import data to globals
    irisglobal = IRISGLOBAL()
    irisglobal.import_g1_nodes_edges()
    irisglobal.import_g2_nodes_edges()
    #getting nodes data from globals
    nodes = irisglobal.get_g1nodes()
    #getting edges data from globals
    edges = irisglobal.get_g1edges()
    #To display graph with configuration
    pyvis = True
    return render_template('index.html', nodes = nodes,edges=edges,pyvis=pyvis)    

下面是关于此项目的 介绍视频：

<iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen="" frameborder="0" height="315" scrolling="no" src="//player.bilibili.com/player.html?aid=256588464&bvid=BV1LY411w7MU&cid=718938724&page=1" width="560"></iframe>

我们很高兴与你分享有趣的信息，以及告诉你为什么Python是好的，它被用在哪里。

其中使用最多的库是NumPy和Pandas。NumPy（Numerical Python）用来对大型数据集进行分类。它简化了数组上的数学运算及其矢量化。Pandas提供两种数据结构:系列Series（一个元素列表）和数据框架DataFrames（一个有多列的表格）。这个库将数据转换为数据框架，允许你删除和添加新的列，以及执行各种操作。

Python为数据分析项目提供了无数的工具，可以帮助完成任何任务。

Hi开发者们，

是时候公布 InterSystems开发者Python竞赛的优胜者了！准备好了吗！

这些开发者和他们的应用程序赢得了雷鸣般的掌声:

Hello 社区成员们，

    这篇文章是对Muhammad Waseem的 OpenExchange IRIS-Python-Apps 应用程序的介绍。 使用嵌入式 Python 和 Python Flask Web 框架构建。

投票时间到！

来为你最欣赏的应用投上一票吧！ 【投票时间】InterSystems 开发者竞赛：Python

🔥 为你的最爱投票 🔥

如何投票？请看以下细节。

1. 使用PyODBC访问InterSystems IRIS数据库

pyodbc是一个开源的Python模块，可以利用ODBC来访问底层数据库。InterSystems支持使用pyodbc作为使用关系模式从Python访问数据库的一种方式。这个模块也可以用于InterSystems IRIS的早期版本。

代码示例

1. 互操作性-嵌入式Python（interoperability-embedded-python）

这个概念旨在展示iris互操作性框架如何与嵌入的python一起使用。

1.2. 示例代码

听IRIS 专家聊IRIS，学技术，练英语听力，尽在Intersystems 系联在线培训广播电台
 https://datapoints.intersystems.com.

21. Embedded Python — Released February 3, 2022

20. The InterSystems Kubernetes Operator — Released July 27, 2021 [Transcript available]

19. What's New in Version 2021.1 of InterSystems IRIS? — Released June 3, 2021

18. The InterSystems IRIS® FHIR® Accelerator Service — Released May 5, 2021

17. The Analytics & AI Landscape — Released April 6, 2021

16. A Cloud DBMS Visionary — Released January 27, 2021

15. Writing ObjectScript in VS Code — Released November 17, 2020

亲爱的社区开发者们，大家好！

欢迎积极参与新一轮InterSystems开发者竞赛！

这次我们聚集Python! 

🏆 InterSystems Python竞赛🏆

竞赛时间: 2022年2月7日 - 27日

奖金总额: $10000 - 更多获奖机会！

Hi 开发者们, 

New video is already on InterSystems Developers YouTube: 

⏯ Embedded Python for ObjectScript Developers: Working with Python and ObjectScript Side-By-Side

<iframe src="//player.bilibili.com/player.html?aid=892887041&bvid=BV1fP4y177XF&cid=478516671&page=1" width="400" height="300" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"> </iframe>

Iris-python-template

包含各种Python代码的项目模版，可用于InterSystems IRIS 社区容器版Community Edition with container。

特性 :

• Notebooks 记事本
  • Embedded Python 内核
  • ObjectScript 内核
  • Vanilla Python 内核
• Embedded嵌入式 Python
  • Code example代码样例
  • Flask demo
• IRIS Python Native 原生APIs
  • Code example

2. 目录

    您可能已经听说，我们目前正在为所有正在使用 Caché 和 Ensemble 的客户提供限时免费迁移到我们的下一代数据平台 InterSystems IRIS 的机会。

    虽然我们依旧如往常一样全力支持那些正在使用 Caché 数据库和 Ensemble 集成引擎的客户，但我们还是认为 InterSystems IRIS 是未来的关键。它结合了 Caché 和 Ensemble 的所有功能，并添加了大量令人兴奋的强大功能，从机器学习到原生 Python。

    这也正是我们为现有客户提供迁移到 InterSystems IRIS 并使用这些新功能的原因。 我们也通过就地迁移支持轻松迁移，这意味着无需数据库转换、分步迁移指南、教程等。

    听起来挺有趣对吗？ 以下是我针对当前 Caché 和 Ensemble 应迁移到 InterSystems IRIS 的五个主要原因。

如果一张图片胜过千言万语，那么一段视频又价值几何？ 当然胜过敲一个帖子。

请在 InterSystems Developers YouTube 观看我的“Coding talks”：

1. 使用 Yape 分析 InterSystems IRIS 系统性能。 第 1 部分：安装 Yape

在容器中运行 Yape。

2. Yape 容器 SQLite iostat InterSystems

提取和绘制 pButtons 数据，包括时间范围和 iostat。

关键字：Python，JDBC，SQL，IRIS，Jupyter Notebook，Pandas，Numpy ，机器学习 

1. 目的

这是一个用于演示的 5 分钟快速笔记，通过 Jupyter Notebook 中的 Python 3 调用 IRIS JDBC 驱动程序，以经由 SQL 语法从 IRIS 数据库实例读取数据和向 IRIS 数据库实例写入数据。 

去年，我发表了关于将 Python 绑定到 Cache 数据库的简要笔记（第 4.7 节）。 如何使用 Python 挂入 IRIS 数据库以将其数据读入 Pandas 数据框和 NumPy 数组进行常规分析，然后再将一些经过预处理或标准化的数据写回 IRIS 中，准备进一步用于 ML/DL 管道，现在可能是时候回顾一些选项和讨论了。

一些立即浮现的快速选项：

1.    ODBC：Python 3 和原生 SQL 的 PyODBC？
2.    JDBC：Pyhton 3 和原生 SQL 的 JayDeBeApi？
3.    Spark：PySpark 和 SQL？
4.    Python Native API for IRIS：超越先前的 Python Binding for Cache？
5.   ** IPtyhon Magic SQL %%sql**?  它可以支持 IRIS 了吗？

 这里有漏掉其他选项吗？  我有兴趣尝试任何选项。 

2. 范围 

使用 IRIS 和 Python 创建聊天机器人

本文将展示如何把 InterSystems IRIS 数据库与 Python 集成，以服务于自然语言处理 (NLP) 的机器学习模型。

为什么选择 Python？

随着在世界范围内的广泛采用和使用，Python 拥有了出色的社区，以及许多加速器 | 库用于部署任何类型的应用。 如果您感兴趣，请访问 https://www.python.org/about/apps/

Iris Globals

我接触到 ^globals 后很快就熟悉了，它们可以用作快速获取现成数据模型中数据的方法。 因此，首先，我将使用 ^globals 存储训练数据和对话以记录聊天机器人的行为。

自然语言处理

自然语言处理或 NLP 是 AI 的一个主题，它创造了机器从我们的语言阅读、理解含义的能力。 显然，这并不简单，但是我将展示如何在这个广阔而美丽的领域中迈出您的第一步。

演示 - 来试试吧

我在这里部署了 Chatbot 应用作为演示： http://iris-python-suite.eastus.cloudapp.azure.com:8080

工作原理

机器学习

首先要知道与普通软件开发相比，机器学习具有不同的范式。 很难理解的要点是机器学习模型的开发周期。

浅显解释预警

一个标准的应用开发周期大概是这样：

开发代码 -> 测试（使用开发数据）-> 部署（真实用户数据）

在本篇短文中，我们将讨论如何让 Yape 在 docker 容器中运行，从而避免在本地计算机上安装设置 python。

距离本系列的上一篇文章已经有一段时间了，让我们快速回顾一下。

我们讨论了使用 matplotlib 创建基本图形。 之后我们介绍了使用 bokeh 生成动态图形。 在第三部分中，我们讨论了使用 monlbl 数据生成热图。

在通过各种渠道获得的反馈中，有一个相同的难题是设置一个环境来运行上面的例子。 所以我们决定让实现变得更容易一些，我与 Murray 合作为他的优秀工具 Yape 创建了一个 Dockerfile。 Github 页面

当然，您必须在您的计算机上安装并运行 docker。

Dockerfile

一个相当简单的基于官方 python 映像的 docker 定义：

FROM python:3

WORKDIR .

COPY requirements.txt ./
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

源码

Requirements.txt 包含运行 yape 所需的包：