Datasets documentation

Tablo Sınıfları

Datasets

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v4.8.4).

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

Tablo Sınıfları

Her Dataset nesnesi bir PyArrow Table tarafından desteklenir. Bir Table, diskten (bellek eşlemeli) ya da bellekten yüklenebilir. Birkaç Table türü mevcuttur ve bunların tümü table.Table sınıfından türetilmiştir.

Tablo

sınıf datasets.table.Table

( table: Table )

Bileşim kullanarak bir pyarrow Table sarmalar. Bu, InMemoryTable, MemoryMappedTable ve ConcatenationTable için temel sınıftır.

pyarrow Table sınıfının Table dönüşümleri olan slice, filter, flatten, combine_chunks, cast, add_column, append_column, remove_column, set_column, rename_columns ve drop hariç olmak üzere tüm temel öznitelik/yöntemlerini uygular.

Bu yöntemlerin uygulaması alt sınıflar için farklılık gösterir.

doğrula

( *args**kwargs )

Parametreler

full (bool, varsayılan False) — True ise pahalı kontrolleri çalıştırır, aksi halde yalnızca ucuz kontrolleri çalıştırır.

Yükseltilen

pa.lib.ArrowInvalid

pa.lib.ArrowInvalid — doğrulama başarısız olursa

Doğrulama kontrollerini gerçekleştirir. Doğrulama başarısız olursa bir istisna fırlatılır.

Varsayılan olarak yalnızca ucuz doğrulama kontrolleri çalıştırılır. Kapsamlı doğrulama kontrolleri için (potansiyel olarak O(n)) full=True parametresini iletin.

eşittir

( *args**kwargs ) → bool

Parametreler

other (Tablo) — Karşılaştırılacak tablo.
check_metadata bool, varsayılan False) — Şema meta verisi eşitliğinin de kontrol edilip edilmeyeceği.

Dönüş değeri

bool

İki tablonun içeriğinin eşit olup olmadığını kontrol edin.

to_batches

( *args**kwargs )

Parametreler

max_chunksize (int, varsayılan None) — RecordBatch parçaları için maksimum boyut. Bireysel sütunların parça yerleşimine bağlı olarak, parçalar daha küçük olabilir.

Tabloyu (kesintisiz) RecordBatch nesneleri listesine dönüştürür.

to_pydict

( *args**kwargs ) → dict

Dönüş değeri

dict

Tabloyu dict veya OrderedDict olarak dönüştürün.

to_pandas

( *args**kwargs ) → pandas.Series or pandas.DataFrame

Parametreler

memory_pool (MemoryPool, varsayılan None) — Atamalar için kullanılacak Arrow MemoryPool. Geçirilmezse varsayılan bellek havuzu kullanılır.
strings_to_categorical (bool, varsayılan False) — Dize (UTF8) ve ikili türleri pandas.Categorical olarak kodlar.
categories (list, defaults to empty) — List of fields that should be returned as pandas.Categorical. Only applies to table-like data structures.
zero_copy_only (bool, varsayılan False) — Bu fonksiyon çağrısının altta yatan verilerin kopyalanmasını gerektirmesi durumunda bir ArrowException fırlatır.
integer_object_nulls (bool, varsayılan False) — Null içeren tamsayıları nesnelere dönüştürür.
date_as_object (bool, varsayılan True) — Tarihleri nesnelere dönüştürür. False ise datetime64[ns] veri türüne çevrilir.
timestamp_as_object (bool, varsayılan False) — Nanosaniye olmayan zaman damgalarını (np.datetime64) nesnelere dönüştürür. Bu, nanosaniye zaman damgalarının normal tarih aralığına (MS 1678-MS 2262) sığmayan zaman damgalarınız varsa kullanışlıdır. False ise, tüm zaman damgaları datetime64[ns] veri türüne dönüştürülür.
use_threads (bool, varsayılan True) — Çevrimin birden fazla iş parçacığı kullanılarak paralelleştirilip paralelleştirilmeyeceğini belirtir.
deduplicate_objects (bool, varsayılan False) — Hafıza kullanımını azaltmak için oluşturulurken Python nesnelerinin birden fazla kopyasını oluşturmaz. Dönüşüm daha yavaş olacaktır.
ignore_metadata (bool, varsayılan False) — True ise, varsa ‘pandas’ meta verileri DataFrame indeksini yeniden oluşturmak için kullanılmaz.
safe (bool, varsayılan True) — Belirli veri türleri için, verilerin bir pandas DataFrame veya Series içinde saklanabilmesi için bir dönüşüm (cast) gereklidir (ör. zaman damgaları pandas'ta her zaman nanosaniye olarak saklanır). Bu seçenek, dönüşümün güvenli olup olmadığını kontrol eder.
split_blocks (bool, varsayılan False) — True ise, bir RecordBatch veya Table içinden pandas.DataFrame oluşturulurken her sütun için ayrı bir iç “block” oluşturulur. Bu, bellek kullanımını geçici olarak azaltabilir; ancak çeşitli pandas işlemleri “consolidation”ı tetikleyebilir ve bu da bellek kullanımını şişirebilir.
self_destruct (bool, varsayılan False) — DENEYSEL: True ise, Arrow nesnesini pandas'a dönüştürürken kaynak Arrow belleğini serbest bırakmayı dener. Bu seçenekle to_pandas çağrıldıktan sonra nesneyi kullanırsanız programınız çöker.
types_mapper (function, varsayılan None) — Bir pyarrow DataType'ini pandas ExtensionDtype'ine eşleyen bir işlev. Bu, yerleşik pyarrow türlerinin dönüştürülmesinde varsayılan pandas türünü geçersiz kılmak veya Tablo şemasında pandas_metadata bulunmadığında kullanılabilir. İşlev, bir pyarrow DataType alır ve o tür için varsayılan dönüştürmenin kullanılacağı durumlarda bir pandas ExtensionDtype veya None döndürmesi beklenir. Bir sözlük eşlemesine sahipseniz, işlev olarak dict.get geçebilirsiniz.

Dönüş değeri

pandas.Series veya pandas.DataFrame

Nesnenin türüne bağlı olarak pandas.Series veya pandas.DataFrame

Duruma uygun olarak, pandas ile uyumlu bir NumPy dizisine veya DataFrame'e dönüştürün.

to_string

( *args**kwargs )

alanı

( *args**kwargs )

Parametreler

i (Union[int, str]) — Alınacak alanın indeksi veya adı.

Bir şema alanını sütun adıyla veya sayısal indeksiyle seçin.

sütunu

( *args**kwargs )

Parametreler

i (Union[int, str]) — Alınacak sütunun indeksi veya adı.

Sütunu sütun adıyla veya sayısal indeksiyle seçin.

itercolumns

( *args**kwargs )

Sayısal sıraya göre tüm sütunlar üzerinde iteratör.

şeması

( )

Tablonun ve sütunlarının şeması.

sütunları

( )

Sayısal sıraya göre tüm sütunların listesi.

num_columns

( )

Bu tablodaki sütun sayısı.

num_rows

( )

Bu tablodaki satır sayısı.

Bir tablonun tanımı gereği, tüm sütunların satır sayısı aynıdır.

şekil

( ) → (int, int)

Dönüş değeri

(int, int)

Satır sayısı ve sütun sayısı.

Tablonun boyutları: (#satır, #sütun).

bayt

( )

Tablonun öğeleri tarafından tüketilen toplam bayt sayısı.

InMemoryTable

sınıf datasets.table.InMemoryTable

( table: Table )

Tablo, kullanıcının RAM'ine yüklendiğinde bellek-içi (in-memory) olarak adlandırılır.

Pickling, bellek kullanarak tüm verilerin bir kopyasını alır. Uygulaması basittir ve doğrudan alttaki pyarrow Table yöntemlerini kullanır.

Bu, MemoryMapped tablosundan farklıdır; bu tabloda pickling işlemi bellekteki tüm verileri kopyalamaz. MemoryMapped için unpickling işlemi, tabloyu diskten yeniden yükler.

InMemoryTable, veriler belleğe sığıyorsa kullanılmalıdır; MemoryMapped ise bellekten büyük veriler için veya uygulamanızın bellek kullanımını düşük tutmak istediğinizde kullanılır.

doğrula

( *args**kwargs )

Parametreler

full (bool, varsayılan False) — True ise pahalı kontrolleri çalıştırır, aksi halde yalnızca ucuz kontrolleri çalıştırır.

Yükseltilen

pa.lib.ArrowInvalid

pa.lib.ArrowInvalid — doğrulama başarısız olursa

Doğrulama kontrollerini gerçekleştirir. Doğrulama başarısız olursa bir istisna fırlatılır.

Varsayılan olarak yalnızca ucuz doğrulama kontrolleri çalıştırılır. Kapsamlı doğrulama kontrolleri için (potansiyel olarak O(n)) full=True parametresini iletin.

eşittir

( *args**kwargs ) → bool

Parametreler

other (Tablo) — Karşılaştırılacak tablo.
check_metadata bool, varsayılan False) — Şema meta verisi eşitliğinin de kontrol edilip edilmeyeceği.

Dönüş değeri

bool

İki tablonun içeriğinin eşit olup olmadığını kontrol edin.

to_batches

( *args**kwargs )

Parametreler

max_chunksize (int, varsayılan None) — RecordBatch parçaları için maksimum boyut. Bireysel sütunların parça yerleşimine bağlı olarak, parçalar daha küçük olabilir.

Tabloyu (kesintisiz) RecordBatch nesneleri listesine dönüştürür.

to_pydict

( *args**kwargs ) → dict

Dönüş değeri

dict

Tabloyu dict veya OrderedDict olarak dönüştürün.

to_pandas

( *args**kwargs ) → pandas.Series or pandas.DataFrame

Parametreler

memory_pool (MemoryPool, varsayılan None) — Atamalar için kullanılacak Arrow MemoryPool. Geçirilmezse varsayılan bellek havuzu kullanılır.
strings_to_categorical (bool, varsayılan False) — Dize (UTF8) ve ikili türleri pandas.Categorical olarak kodlar.
categories (list, defaults to empty) — List of fields that should be returned as pandas.Categorical. Only applies to table-like data structures.
zero_copy_only (bool, varsayılan False) — Bu fonksiyon çağrısının altta yatan verilerin kopyalanmasını gerektirmesi durumunda bir ArrowException fırlatır.
integer_object_nulls (bool, varsayılan False) — Null içeren tamsayıları nesnelere dönüştürür.
date_as_object (bool, varsayılan True) — Tarihleri nesnelere dönüştürür. False ise datetime64[ns] veri türüne çevrilir.
timestamp_as_object (bool, varsayılan False) — Nanosaniye olmayan zaman damgalarını (np.datetime64) nesnelere dönüştürür. Bu, nanosaniye zaman damgalarının normal tarih aralığına (MS 1678-MS 2262) sığmayan zaman damgalarınız varsa kullanışlıdır. False ise, tüm zaman damgaları datetime64[ns] veri türüne dönüştürülür.
use_threads (bool, varsayılan True) — Çevrimin birden fazla iş parçacığı kullanılarak paralelleştirilip paralelleştirilmeyeceğini belirtir.
deduplicate_objects (bool, varsayılan False) — Hafıza kullanımını azaltmak için oluşturulurken Python nesnelerinin birden fazla kopyasını oluşturmaz. Dönüşüm daha yavaş olacaktır.
ignore_metadata (bool, varsayılan False) — True ise, varsa ‘pandas’ meta verileri DataFrame indeksini yeniden oluşturmak için kullanılmaz.
safe (bool, varsayılan True) — Belirli veri türleri için, verilerin bir pandas DataFrame veya Series içinde saklanabilmesi için bir dönüşüm (cast) gereklidir (ör. zaman damgaları pandas'ta her zaman nanosaniye olarak saklanır). Bu seçenek, dönüşümün güvenli olup olmadığını kontrol eder.
split_blocks (bool, varsayılan False) — True ise, bir RecordBatch veya Table içinden pandas.DataFrame oluşturulurken her sütun için ayrı bir iç “block” oluşturulur. Bu, bellek kullanımını geçici olarak azaltabilir; ancak çeşitli pandas işlemleri “consolidation”ı tetikleyebilir ve bu da bellek kullanımını şişirebilir.
self_destruct (bool, varsayılan False) — DENEYSEL: True ise, Arrow nesnesini pandas'a dönüştürürken kaynak Arrow belleğini serbest bırakmayı dener. Bu seçenekle to_pandas çağrıldıktan sonra nesneyi kullanırsanız programınız çöker.
types_mapper (function, varsayılan None) — Bir pyarrow DataType'ini pandas ExtensionDtype'ine eşleyen bir işlev. Bu, yerleşik pyarrow türlerinin dönüştürülmesinde varsayılan pandas türünü geçersiz kılmak veya Tablo şemasında pandas_metadata bulunmadığında kullanılabilir. İşlev, bir pyarrow DataType alır ve o tür için varsayılan dönüştürmenin kullanılacağı durumlarda bir pandas ExtensionDtype veya None döndürmesi beklenir. Bir sözlük eşlemesine sahipseniz, işlev olarak dict.get geçebilirsiniz.

Dönüş değeri

pandas.Series veya pandas.DataFrame

Nesnenin türüne bağlı olarak pandas.Series veya pandas.DataFrame

Duruma uygun olarak, pandas ile uyumlu bir NumPy dizisine veya DataFrame'e dönüştürün.

to_string

( *args**kwargs )

alanı

( *args**kwargs )

Parametreler

i (Union[int, str]) — Alınacak alanın indeksi veya adı.

Bir şema alanını sütun adıyla veya sayısal indeksiyle seçin.

sütunu

( *args**kwargs )

Parametreler

i (Union[int, str]) — Alınacak sütunun indeksi veya adı.

Sütunu sütun adıyla veya sayısal indeksiyle seçin.

itercolumns

( *args**kwargs )

Sayısal sıraya göre tüm sütunlar üzerinde iteratör.

şeması

( )

Tablonun ve sütunlarının şeması.

sütunları

( )

Sayısal sıraya göre tüm sütunların listesi.

num_columns

( )

Bu tablodaki sütun sayısı.

num_rows

( )

Bu tablodaki satır sayısı.

Bir tablonun tanımı gereği, tüm sütunların satır sayısı aynıdır.

şekil

( ) → (int, int)

Dönüş değeri

(int, int)

Satır sayısı ve sütun sayısı.

Tablonun boyutları: (#satır, #sütun).

bayt

( )

Tablonun öğeleri tarafından tüketilen toplam bayt sayısı.

column_names

( )

Tablonun sütun adları.

dilim

( offset = 0length = None )

Parametreler

offset (int, varsayılan 0) — Tablonun başlangıcından dilim için ofset.
length (int, varsayılan None) — Dilim uzunluğu (varsayılan olarak, ofsetten başlayarak tablonun sonuna kadar).

Bu Tablo'nun sıfır kopyalı dilimini hesaplar.

filtre

( *args**kwargs )

Bir Tablo'dan kayıtları seçin. Tam kullanım için pyarrow.compute.filter'e bakın.

flatten

( *args**kwargs )

Parametreler

memory_pool (MemoryPool, varsayılan None) — Bellek tahsisleri için, gerekliyse kullanılır; aksi halde varsayılan havuz kullanılır.

Bu Tabloyu Düzleştirin. Yapı (struct) türündeki her sütun, yapı alanlarının her biri için birer sütuna düzleştirilir. Diğer sütunlar değiştirilmeden bırakılır.

combine_chunks

( *args**kwargs )

Parametreler

memory_pool (MemoryPool, varsayılan None) — Bellek tahsisleri için, gerekliyse kullanılır; aksi halde varsayılan havuz kullanılır.

Bu tablonun parçalarını birleştirerek yeni bir tablo oluşturun.

Her sütunun ChunkedArray içindeki tüm alt parçalar, sıfır veya bir parçaya birleştirilir.

döküm

( *args**kwargs )

Parametreler

target_schema (Schema) — Dönüştürülecek şema, alan adları ve sıralaması eşleşmelidir.
safe (bool, varsayılan True) — Taşma veya diğer güvensiz dönüşümleri kontrol eder.

Tablo değerlerini başka bir şemaya dönüştürün.

replace_schema_metadata

( *args**kwargs ) → datasets.table.Table

Parametreler

metadata (dict, varsayılan None) —

Dönüş değeri

datasets.table.Table

shallow_copy

DENEYSEL: Şema anahtar-değer meta verilerini belirtilen yeni meta verilerle (mevcut meta verileri silmek için None olabilir) değiştirerek tablonun sığ bir kopyasını oluşturun.

add_column

( *args**kwargs ) → datasets.table.Table

Parametreler

i (int) — Sütunun yerleştirileceği indeks.
field_ (Union[str, pyarrow.Field]) — Bir dize geçirilirse, tür sütun verisinden çıkarılır.
column (Union[pyarrow.Array, List[pyarrow.Array]]) — Sütun verisi.

Dönüş değeri

datasets.table.Table

Eklenen sütunla birlikte yeni tablo.

Tabloya sütunu konuma ekle.

Sütun eklenmiş yeni bir tablo döndürülür, orijinal tablo nesnesi değiştirilmeden kalır.

append_column

( *args**kwargs ) → datasets.table.Table

Parametreler

field_ (Union[str, pyarrow.Field]) — Bir dize geçirilirse, tür sütun verisinden çıkarılır.
column (Union[pyarrow.Array, List[pyarrow.Array]]) — Sütun verisi.

Dönüş değeri

datasets.table.Table

Eklenen sütunla birlikte yeni tablo.

Sütunların sonuna sütun ekleyin.

remove_column

( *args**kwargs ) → datasets.table.Table

Parametreler

i (int) — Kaldırılacak sütunun indeksi.

Dönüş değeri

datasets.table.Table

Sütun olmadan yeni tablo.

Belirtilen sütun kaldırılarak yeni bir Table oluşturur.

set_column

( *args**kwargs ) → datasets.table.Table

Parametreler

i (int) — Sütunun yerleştirileceği indeks.
field_ (Union[str, pyarrow.Field]) — Bir dize geçirilirse, tür sütun verisinden çıkarılır.
column (Union[pyarrow.Array, List[pyarrow.Array]]) — Sütun verisi.

Dönüş değeri

datasets.table.Table

Geçirilen sütun kümesiyle yeni tablo.

Tabloda konumda sütunu değiştirin.

rename_columns

( *args**kwargs )

Sütun adları verilen adlarla değiştirilerek yeni tablo oluşturun.

seç

( *args**kwargs ) → datasets.table.Table

Parametreler

columns (Union[List[str], List[int]]) — Seçilecek sütun adları veya tamsayı indeksleri.

Dönüş değeri

datasets.table.Table

Belirtilen sütunlara sahip yeni tablo ve korunan meta veriler.

Tablonun sütunlarını seçin.

Belirtilen sütunlara sahip yeni bir tablo döndürür ve metadata korunur.

drop

( *args**kwargs ) → datasets.table.Table

Parametreler

columns (List[str]) — Mevcut sütunlara atıfta bulunan alan adlarının listesi.

Dönüş değeri

datasets.table.Table

Sütunlar olmadan yeni tablo.

Yükseltilen

KeyError

KeyError — : Geçirilen sütun adlarından herhangi biri mevcut değilse.

Bir veya daha fazla sütunu kaldırın ve yeni bir tablo döndürün.

from_file

( filename: str )

from_buffer

( buffer: Buffer )

from_pandas

( *args**kwargs ) → datasets.table.Table

Parametreler

df (pandas.DataFrame) —
schema (pyarrow.Schema, isteğe bağlı) — Arrow Tablosunun beklenen şeması. Otomatik olarak çıkarılamayan durumlarda sütunların türünü belirtmek için kullanılabilir. Değer verilirse, çıktı tam olarak bu şemaya sahip olacaktır. Şemada belirtilen ancak DataFrame sütunlarında veya dizininde bulunmayan sütunlar bir hata oluşturur. Şemada belirtilmeyen DataFrame'deki ek sütunlar veya dizin seviyeleri yok sayılır.
preserve_index (bool, isteğe bağlı) — Sonuçtaki Table'de indeksi ek bir sütun olarak saklayıp saklamayacağı. Varsayılan değeri None, indeksi bir sütun olarak saklar; ancak RangeIndex yalnızca metadata olarak saklanır. İndisin bir sütun olarak saklanmasını zorlamak için preserve_index=True kullanın.
nthreads (int, varsayılan None (sistemdeki CPU sayısına kadar thread kullanabilir)) — 1'den büyükse, sütunları belirtilen thread sayısı kadar paralel olarak Arrow'a dönüştürür.
columns (List[str], isteğe bağlı) — Dönüştürülecek sütunların listesi. None ise tüm sütunlar kullanılır.
safe (bool, varsayılan True) — Taşma veya diğer güvensiz dönüşümleri kontrol eder,

Dönüş değeri

datasets.table.Table

pandas.DataFrame'ı bir Arrow Tablosuna dönüştürün.

Sonuçtaki Arrow Tablosundaki sütun türleri, DataFrame içindeki pandas.Series nesnelerinin dtypes değerlerinden çıkarılır. Nesne olmayan (non-object) Series durumlarında, NumPy dtype değeri Arrow karşılığına dönüştürülür. object durumunda ise bu Series içindeki Python nesnelerine bakarak veri türünü tahmin etmemiz gerekir.

object veri türündeki Series'lerin, her zaman anlamlı bir Arrow türüne yol açacak kadar bilgi içermediğini unutmayın. Bir tür çıkarılamadığı durumlarda, örneğin DataFrame'in uzunluğu 0 olduğunda veya Series yalnızca None/nan nesneleri içerdiğinde, tür null olarak ayarlanır. Bu davranış, açık bir şema oluşturarak ve bunu bu işlevine geçirerek önlenabilir.

Örnekler:

>>> import pandas as pd
>>> import pyarrow as pa
>>> df = pd.DataFrame({
    ...     'int': [1, 2],
    ...     'str': ['a', 'b']
    ... })
>>> pa.Table.from_pandas(df)
<pyarrow.lib.Table object at 0x7f05d1fb1b40>

from_arrays

( *args**kwargs )

Parametreler

arrays (List[Union[pyarrow.Array, pyarrow.ChunkedArray]]) — Tabloyu oluşturacak eşit uzunluktaki diziler.
names (List[str], isteğe bağlı) — Tablo sütunları için adlar. Geçirilmezse, şema (schema) geçirilmelidir.
schema (Schema, varsayılan None) — Oluşturulan tablo için şema. Geçirilmezse, adların geçirilmesi gerekir.
metadata (Union[dict, Mapping], varsayılan None) — Şema için isteğe bağlı meta veriler (çıkarıldıysa).

Arrow dizilerinden bir Tablo oluşturun.

from_pydict

( *args**kwargs )

Parametreler

mapping (Union[dict, Mapping]) — Dizilere veya Python listelerine giden bir dizeler eşlemesi.
schema (Schema, varsayılan None) — Geçirilmezse, Mapping değerlerinden çıkarılır
metadata (Union[dict, Mapping], varsayılan None) — Şema için isteğe bağlı meta veriler (çıkarıldıysa).

Arrow dizileri veya sütunlarından bir Tablo oluşturun.

from_batches

( *args**kwargs ) → datasets.table.Table

Parametreler

batches (Union[Sequence[pyarrow.RecordBatch], Iterator[pyarrow.RecordBatch]]) — Dönüştürülecek RecordBatch dizisi, tüm şemalar eşit olmalıdır.
schema (Schema, varsayılan None) — Geçirilmezse, ilk RecordBatch'ten çıkarılır.

Dönüş değeri

datasets.table.Table

Bir dizi veya RecordBatches iteratöründen bir Tablo oluşturun.

MemoryMappedTable

sınıf datasets.table.MemoryMappedTable

( table: Tablepath: strreplays: typing.Optional[list[tuple[str, tuple, dict]]] = None )

Tablo, kullanıcının RAM'ini kullanmak yerine verileri diskten yüklediğinde bellek eşlemeli (memory mapped) olarak adlandırılır.

Pickling işlemi, veriyi belleğe kopyalamaz. Bunun yerine, yalnızca belleğe eşlenmiş arrow dosyasının yolu ve diskten tabloyu yeniden yüklerken “yeniden oynatılacak” dönüşümler listesi pickled edilir.

Uygulaması, diskten Table yeniden yüklendiğinde “yeniden oynanabilmesi” için altta yatan pyarrow Table’a uygulanan tüm dönüşümlerin geçmişini depolamayı gerektirir.

Bu, bellekteki tüm verilerin kopyalanmasını sağlayan InMemoryTable tablosundan farklıdır.

InMemoryTable, veriler belleğe sığıyorsa kullanılmalıdır; MemoryMapped ise bellekten büyük veriler için veya uygulamanızın bellek kullanımını düşük tutmak istediğinizde kullanılır.

doğrula

( *args**kwargs )

Parametreler

full (bool, varsayılan False) — True ise pahalı kontrolleri çalıştırır, aksi halde yalnızca ucuz kontrolleri çalıştırır.

Yükseltilen

pa.lib.ArrowInvalid

pa.lib.ArrowInvalid — doğrulama başarısız olursa

Doğrulama kontrollerini gerçekleştirir. Doğrulama başarısız olursa bir istisna fırlatılır.

Varsayılan olarak yalnızca ucuz doğrulama kontrolleri çalıştırılır. Kapsamlı doğrulama kontrolleri için (potansiyel olarak O(n)) full=True parametresini iletin.

eşittir

( *args**kwargs ) → bool

Parametreler

other (Tablo) — Karşılaştırılacak tablo.
check_metadata bool, varsayılan False) — Şema meta verisi eşitliğinin de kontrol edilip edilmeyeceği.

Dönüş değeri

bool

İki tablonun içeriğinin eşit olup olmadığını kontrol edin.

to_batches

( *args**kwargs )

Parametreler

max_chunksize (int, varsayılan None) — RecordBatch parçaları için maksimum boyut. Bireysel sütunların parça yerleşimine bağlı olarak, parçalar daha küçük olabilir.

Tabloyu (kesintisiz) RecordBatch nesneleri listesine dönüştürür.

to_pydict

( *args**kwargs ) → dict

Dönüş değeri

dict

Tabloyu dict veya OrderedDict olarak dönüştürün.

to_pandas

( *args**kwargs ) → pandas.Series or pandas.DataFrame

Parametreler

memory_pool (MemoryPool, varsayılan None) — Atamalar için kullanılacak Arrow MemoryPool. Geçirilmezse varsayılan bellek havuzu kullanılır.
strings_to_categorical (bool, varsayılan False) — Dize (UTF8) ve ikili türleri pandas.Categorical olarak kodlar.
categories (list, defaults to empty) — List of fields that should be returned as pandas.Categorical. Only applies to table-like data structures.
zero_copy_only (bool, varsayılan False) — Bu fonksiyon çağrısının altta yatan verilerin kopyalanmasını gerektirmesi durumunda bir ArrowException fırlatır.
integer_object_nulls (bool, varsayılan False) — Null içeren tamsayıları nesnelere dönüştürür.
date_as_object (bool, varsayılan True) — Tarihleri nesnelere dönüştürür. False ise datetime64[ns] veri türüne çevrilir.
timestamp_as_object (bool, varsayılan False) — Nanosaniye olmayan zaman damgalarını (np.datetime64) nesnelere dönüştürür. Bu, nanosaniye zaman damgalarının normal tarih aralığına (MS 1678-MS 2262) sığmayan zaman damgalarınız varsa kullanışlıdır. False ise, tüm zaman damgaları datetime64[ns] veri türüne dönüştürülür.
use_threads (bool, varsayılan True) — Çevrimin birden fazla iş parçacığı kullanılarak paralelleştirilip paralelleştirilmeyeceğini belirtir.
deduplicate_objects (bool, varsayılan False) — Hafıza kullanımını azaltmak için oluşturulurken Python nesnelerinin birden fazla kopyasını oluşturmaz. Dönüşüm daha yavaş olacaktır.
ignore_metadata (bool, varsayılan False) — True ise, varsa ‘pandas’ meta verileri DataFrame indeksini yeniden oluşturmak için kullanılmaz.
safe (bool, varsayılan True) — Belirli veri türleri için, verilerin bir pandas DataFrame veya Series içinde saklanabilmesi için bir dönüşüm (cast) gereklidir (ör. zaman damgaları pandas'ta her zaman nanosaniye olarak saklanır). Bu seçenek, dönüşümün güvenli olup olmadığını kontrol eder.
split_blocks (bool, varsayılan False) — True ise, bir RecordBatch veya Table içinden pandas.DataFrame oluşturulurken her sütun için ayrı bir iç “block” oluşturulur. Bu, bellek kullanımını geçici olarak azaltabilir; ancak çeşitli pandas işlemleri “consolidation”ı tetikleyebilir ve bu da bellek kullanımını şişirebilir.
self_destruct (bool, varsayılan False) — DENEYSEL: True ise, Arrow nesnesini pandas'a dönüştürürken kaynak Arrow belleğini serbest bırakmayı dener. Bu seçenekle to_pandas çağrıldıktan sonra nesneyi kullanırsanız programınız çöker.
types_mapper (function, varsayılan None) — Bir pyarrow DataType'ini pandas ExtensionDtype'ine eşleyen bir işlev. Bu, yerleşik pyarrow türlerinin dönüştürülmesinde varsayılan pandas türünü geçersiz kılmak veya Tablo şemasında pandas_metadata bulunmadığında kullanılabilir. İşlev, bir pyarrow DataType alır ve o tür için varsayılan dönüştürmenin kullanılacağı durumlarda bir pandas ExtensionDtype veya None döndürmesi beklenir. Bir sözlük eşlemesine sahipseniz, işlev olarak dict.get geçebilirsiniz.

Dönüş değeri

pandas.Series veya pandas.DataFrame

Nesnenin türüne bağlı olarak pandas.Series veya pandas.DataFrame

Duruma uygun olarak, pandas ile uyumlu bir NumPy dizisine veya DataFrame'e dönüştürün.

to_string

( *args**kwargs )

alanı

( *args**kwargs )

Parametreler

i (Union[int, str]) — Alınacak alanın indeksi veya adı.

Bir şema alanını sütun adıyla veya sayısal indeksiyle seçin.

sütunu

( *args**kwargs )

Parametreler

i (Union[int, str]) — Alınacak sütunun indeksi veya adı.

Sütunu sütun adıyla veya sayısal indeksiyle seçin.

itercolumns

( *args**kwargs )

Sayısal sıraya göre tüm sütunlar üzerinde iteratör.

şeması

( )

Tablonun ve sütunlarının şeması.

sütunları

( )

Sayısal sıraya göre tüm sütunların listesi.

num_columns

( )

Bu tablodaki sütun sayısı.

num_rows

( )

Bu tablodaki satır sayısı.

Bir tablonun tanımı gereği, tüm sütunların satır sayısı aynıdır.

şekil

( ) → (int, int)

Dönüş değeri

(int, int)

Satır sayısı ve sütun sayısı.

Tablonun boyutları: (#satır, #sütun).

bayt

( )

Tablonun öğeleri tarafından tüketilen toplam bayt sayısı.

column_names

( )

Tablonun sütun adları.

dilim

( offset = 0length = None )

Parametreler

offset (int, varsayılan 0) — Tablonun başlangıcından dilim için ofset.
length (int, varsayılan None) — Dilim uzunluğu (varsayılan olarak, ofsetten başlayarak tablonun sonuna kadar).

Bu Tablo'nun sıfır kopyalı dilimini hesaplar.

filtre

( *args**kwargs )

Bir Tablo'dan kayıtları seçin. Tam kullanım için pyarrow.compute.filter'e bakın.

flatten

( *args**kwargs )

Parametreler

memory_pool (MemoryPool, varsayılan None) — Bellek tahsisleri için, gerekliyse kullanılır; aksi halde varsayılan havuz kullanılır.

Bu Tabloyu Düzleştirin. Yapı (struct) türündeki her sütun, yapı alanlarının her biri için birer sütuna düzleştirilir. Diğer sütunlar değiştirilmeden bırakılır.

combine_chunks

( *args**kwargs )

Parametreler

memory_pool (MemoryPool, varsayılan None) — Bellek tahsisleri için, gerekliyse kullanılır; aksi halde varsayılan havuz kullanılır.

Bu tablonun parçalarını birleştirerek yeni bir tablo oluşturun.

Her sütunun ChunkedArray'sindeki tüm alt parçalar, sıfır veya bir parçaya birleştirilir.

döküm

( *args**kwargs )

Parametreler

target_schema (Schema) — Dönüştürülecek şema, alan adları ve sıralaması eşleşmelidir.
safe (bool, varsayılan True) — Taşma veya diğer güvensiz dönüşümleri kontrol eder.

Tablo değerlerini başka bir şemaya dönüştürün

replace_schema_metadata

( *args**kwargs ) → datasets.table.Table

Parametreler

metadata (dict, varsayılan None) —

Dönüş değeri

datasets.table.Table

shallow_copy

DENEYSEL: Şema anahtar-değer meta verilerini belirtilen yeni meta verilerle (None olabilir, bu durumda mevcut meta veriler silinir) değiştirerek tablonun sığ bir kopyasını oluşturur

add_column

( *args**kwargs ) → datasets.table.Table

Parametreler

i (int) — Sütunun yerleştirileceği indeks.
field_ (Union[str, pyarrow.Field]) — Bir dize geçirilirse, tür sütun verisinden çıkarılır.
column (Union[pyarrow.Array, List[pyarrow.Array]]) — Sütun verisi.

Dönüş değeri

datasets.table.Table

Eklenen sütunla birlikte yeni tablo.

Tabloya sütunu konuma ekle.

Sütun eklenmiş yeni bir tablo döndürülür, orijinal tablo nesnesi değiştirilmeden kalır.

append_column

( *args**kwargs ) → datasets.table.Table

Parametreler

field_ (Union[str, pyarrow.Field]) — Bir dize geçirilirse, tür sütun verisinden çıkarılır.
column (Union[pyarrow.Array, List[pyarrow.Array]]) — Sütun verisi.

Dönüş değeri

datasets.table.Table

Eklenen sütunla birlikte yeni tablo.

Sütunların sonuna sütun ekleyin.

remove_column

( *args**kwargs ) → datasets.table.Table

Parametreler

i (int) — Kaldırılacak sütunun indeksi.

Dönüş değeri

datasets.table.Table

Sütun olmadan yeni tablo.

Belirtilen sütun kaldırılarak yeni bir Table oluşturur.

set_column

( *args**kwargs ) → datasets.table.Table

Parametreler

i (int) — Sütunun yerleştirileceği indeks.
field_ (Union[str, pyarrow.Field]) — Bir dize geçirilirse, tür sütun verisinden çıkarılır.
column (Union[pyarrow.Array, List[pyarrow.Array]]) — Sütun verisi.

Dönüş değeri

datasets.table.Table

Geçirilen sütun kümesiyle yeni tablo.

Tabloda konumda sütunu değiştirin.

rename_columns

( *args**kwargs )

Sütun adları verilen adlarla değiştirilerek yeni tablo oluşturun.

seç

( *args**kwargs ) → datasets.table.Table

Parametreler

columns (Union[List[str], List[int]]) — Seçilecek sütun adları veya tamsayı indeksleri.

Dönüş değeri

datasets.table.Table

Belirtilen sütunlara sahip yeni tablo ve korunan meta veriler.

Tablonun sütunlarını seçin.

Belirtilen sütunlara sahip yeni bir tablo döndürür ve metadata korunur.

drop

( *args**kwargs ) → datasets.table.Table

Parametreler

columns (List[str]) — Mevcut sütunlara atıfta bulunan alan adlarının listesi.

Dönüş değeri

datasets.table.Table

Sütunlar olmadan yeni tablo.

Yükseltilen

KeyError

KeyError — : Geçirilen sütun adlarından herhangi biri mevcut değilse.

Bir veya daha fazla sütunu kaldırın ve yeni bir tablo döndürün.

from_file

( filename: strreplays = None )

ConcatenationTable

sınıf datasets.table.ConcatenationTable

( table: Tableblocks: list )

Tablo, bloklar olarak adlandırılan birkaç tablonun birleştirilmesinden (concatenation) oluşur. Hem eksen 0 (satır ekleme) hem de eksen 1 (sütun ekleme) üzerinde birleştirme (concatenation) yapılmasını sağlar.

Altta yatan tablolar “bloklar” olarak adlandırılır ve InMemoryTable veya MemoryMappedTable nesneleri olabilir. Bu, bellekten gelen veya bellek eşlemeli tabloların birleştirilmesine olanak tanır. ConcatenationTable pickledendiğinde, her blok pickledenir:

InMemoryTable nesneleri, bellekteki tüm verilerin kopyalanması yoluyla pickled edilir.
MemoryMappedTable nesneleri, veriler belleğe kopyalanmadan pickled edilir. Bunun yerine, yalnızca belleğe eşlenmiş arrow dosyasının yolu ve diskten tabloyu yeniden yüklerken “yeniden oynatılacak” dönüşümlerin listesi pickled edilir.

Uygulaması, her bloğun ayrı ayrı saklanmasını gerektirir. blocks özniteliği, blokların listelerinin listesini saklar. İlk eksen, tabloları 0. eksen boyunca birleştirir (satırları ekler), ikinci eksen ise tabloları 1. eksen boyunca birleştirir (sütunları ekler).

Eksen 0 üzerinde birleştirme sırasında bazı sütunlar eksikse, bu sütunlar null değerlerle doldurulur. Bu işlem pyarrow.concat_tables(tables, promote=True) kullanılarak yapılır.

ConcatenationTable.table özniteliğine erişerek birleştirilmiş tabloya, ConcatenationTable.blocks özniteliğine erişerek de bloklara erişebilirsiniz.

doğrula

( *args**kwargs )

Parametreler

full (bool, varsayılan False) — True ise pahalı kontrolleri çalıştırır, aksi halde yalnızca ucuz kontrolleri çalıştırır.

Yükseltilen

pa.lib.ArrowInvalid

pa.lib.ArrowInvalid — doğrulama başarısız olursa

Doğrulama kontrollerini gerçekleştirir. Doğrulama başarısız olursa bir istisna fırlatılır.

Varsayılan olarak yalnızca ucuz doğrulama kontrolleri çalıştırılır. Kapsamlı doğrulama kontrolleri için (potansiyel olarak O(n)) full=True parametresini iletin.

eşittir

( *args**kwargs ) → bool

Parametreler

other (Tablo) — Karşılaştırılacak tablo.
check_metadata bool, varsayılan False) — Şema meta verisi eşitliğinin de kontrol edilip edilmeyeceği.

Dönüş değeri

bool

İki tablonun içeriğinin eşit olup olmadığını kontrol edin.

to_batches

( *args**kwargs )

Parametreler

max_chunksize (int, varsayılan None) — RecordBatch parçaları için maksimum boyut. Bireysel sütunların parça yerleşimine bağlı olarak, parçalar daha küçük olabilir.

Tabloyu (kesintisiz) RecordBatch nesneleri listesine dönüştürür.

to_pydict

( *args**kwargs ) → dict

Dönüş değeri

dict

Tabloyu dict veya OrderedDict olarak dönüştürün.

to_pandas

( *args**kwargs ) → pandas.Series or pandas.DataFrame

Parametreler

memory_pool (MemoryPool, varsayılan None) — Atamalar için kullanılacak Arrow MemoryPool. Geçirilmezse varsayılan bellek havuzu kullanılır.
strings_to_categorical (bool, varsayılan False) — Dize (UTF8) ve ikili türleri pandas.Categorical olarak kodlar.
categories (list, defaults to empty) — List of fields that should be returned as pandas.Categorical. Only applies to table-like data structures.
zero_copy_only (bool, varsayılan False) — Bu fonksiyon çağrısının altta yatan verilerin kopyalanmasını gerektirmesi durumunda bir ArrowException fırlatır.
integer_object_nulls (bool, varsayılan False) — Null içeren tamsayıları nesnelere dönüştürür.
date_as_object (bool, varsayılan True) — Tarihleri nesnelere dönüştürür. False ise datetime64[ns] veri türüne çevrilir.
timestamp_as_object (bool, varsayılan False) — Nanosaniye olmayan zaman damgalarını (np.datetime64) nesnelere dönüştürür. Bu, nanosaniye zaman damgalarının normal tarih aralığına (MS 1678-MS 2262) sığmayan zaman damgalarınız varsa kullanışlıdır. False ise, tüm zaman damgaları datetime64[ns] veri türüne dönüştürülür.
use_threads (bool, varsayılan True) — Çevrimin birden fazla iş parçacığı kullanılarak paralelleştirilip paralelleştirilmeyeceğini belirtir.
deduplicate_objects (bool, varsayılan False) — Hafıza kullanımını azaltmak için oluşturulurken Python nesnelerinin birden fazla kopyasını oluşturmaz. Dönüşüm daha yavaş olacaktır.
ignore_metadata (bool, varsayılan False) — True ise, varsa ‘pandas’ meta verileri DataFrame indeksini yeniden oluşturmak için kullanılmaz.
safe (bool, varsayılan True) — Belirli veri türleri için, verilerin bir pandas DataFrame veya Series içinde saklanabilmesi için bir dönüşüm (cast) gereklidir (ör. zaman damgaları pandas'ta her zaman nanosaniye olarak saklanır). Bu seçenek, dönüşümün güvenli olup olmadığını kontrol eder.
split_blocks (bool, varsayılan False) — True ise, bir RecordBatch veya Table içinden pandas.DataFrame oluşturulurken her sütun için ayrı bir iç “block” oluşturulur. Bu, bellek kullanımını geçici olarak azaltabilir; ancak çeşitli pandas işlemleri “consolidation”ı tetikleyebilir ve bu da bellek kullanımını şişirebilir.
self_destruct (bool, varsayılan False) — DENEYSEL: True ise, Arrow nesnesini pandas'a dönüştürürken kaynak Arrow belleğini serbest bırakmayı dener. Bu seçenekle to_pandas çağrıldıktan sonra nesneyi kullanırsanız programınız çöker.
types_mapper (function, varsayılan None) — Bir pyarrow DataType'ini pandas ExtensionDtype'ine eşleyen bir işlev. Bu, yerleşik pyarrow türlerinin dönüştürülmesinde varsayılan pandas türünü geçersiz kılmak veya Tablo şemasında pandas_metadata bulunmadığında kullanılabilir. İşlev, bir pyarrow DataType alır ve o tür için varsayılan dönüştürmenin kullanılacağı durumlarda bir pandas ExtensionDtype veya None döndürmesi beklenir. Bir sözlük eşlemesine sahipseniz, işlev olarak dict.get geçebilirsiniz.

Dönüş değeri

pandas.Series veya pandas.DataFrame

Nesnenin türüne bağlı olarak pandas.Series veya pandas.DataFrame

Duruma uygun olarak, pandas ile uyumlu bir NumPy dizisine veya DataFrame'e dönüştürün.

to_string

( *args**kwargs )

alanı

( *args**kwargs )

Parametreler

i (Union[int, str]) — Alınacak alanın indeksi veya adı.

Bir şema alanını sütun adıyla veya sayısal indeksiyle seçin.

sütunu

( *args**kwargs )

Parametreler

i (Union[int, str]) — Alınacak sütunun indeksi veya adı.

Sütunu sütun adıyla veya sayısal indeksiyle seçin.

itercolumns

( *args**kwargs )

Sayısal sıraya göre tüm sütunlar üzerinde iteratör.

şeması

( )

Tablonun ve sütunlarının şeması.

sütunları

( )

Sayısal sıraya göre tüm sütunların listesi.

num_columns

( )

Bu tablodaki sütun sayısı.

num_rows

( )

Bu tablodaki satır sayısı.

Bir tablonun tanımı gereği, tüm sütunların satır sayısı aynıdır.

şekil

( ) → (int, int)

Dönüş değeri

(int, int)

Satır sayısı ve sütun sayısı.

Tablonun boyutları: (#satır, #sütun).

bayt

( )

Tablonun öğeleri tarafından tüketilen toplam bayt sayısı.

column_names

( )

Tablonun sütun adları.

dilim

( offset = 0length = None )

Parametreler

offset (int, varsayılan 0) — Tablonun başlangıcından dilim için ofset.
length (int, varsayılan None) — Dilim uzunluğu (varsayılan olarak, ofsetten başlayarak tablonun sonuna kadar).

Bu Tablo'nun sıfır kopyalı dilimini hesaplar.

filtre

( mask*args**kwargs )

Bir Tablo'dan kayıtları seçin. Tam kullanım için pyarrow.compute.filter'e bakın.

flatten

( *args**kwargs )

Parametreler

memory_pool (MemoryPool, varsayılan None) — Bellek tahsisleri için, gerekliyse kullanılır; aksi halde varsayılan havuz kullanılır.

Bu Tabloyu Düzleştirin. Yapı (struct) türündeki her sütun, yapı alanlarının her biri için birer sütuna düzleştirilir. Diğer sütunlar değiştirilmeden bırakılır.

combine_chunks

( *args**kwargs )

Parametreler

memory_pool (MemoryPool, varsayılan None) — Bellek tahsisleri için, gerekliyse kullanılır; aksi halde varsayılan havuz kullanılır.

Bu tablonun parçalarını birleştirerek yeni bir tablo oluşturun.

Her sütunun ChunkedArray içindeki tüm alt parçalar, sıfır veya bir parçaya birleştirilir.

döküm

( target_schema*args**kwargs )

Parametreler

target_schema (Schema) — Dönüştürülecek şema, alan adları ve sıralaması eşleşmelidir.
safe (bool, varsayılan True) — Taşma veya diğer güvensiz dönüşümleri kontrol eder.

Tablo değerlerini başka bir şemaya dönüştürün.

replace_schema_metadata

( *args**kwargs ) → datasets.table.Table

Parametreler

metadata (dict, varsayılan None) —

Dönüş değeri

datasets.table.Table

shallow_copy

DENEYSEL: Şema anahtar-değer meta verilerini belirtilen yeni meta verilerle (mevcut meta verileri silmek için None olabilir) değiştirerek tablonun sığ bir kopyasını oluşturun.

add_column

( *args**kwargs ) → datasets.table.Table

Parametreler

i (int) — Sütunun yerleştirileceği indeks.
field_ (Union[str, pyarrow.Field]) — Bir dize geçirilirse, tür sütun verisinden çıkarılır.
column (Union[pyarrow.Array, List[pyarrow.Array]]) — Sütun verisi.

Dönüş değeri

datasets.table.Table

Eklenen sütunla birlikte yeni tablo.

Tabloya sütunu konuma ekle.

Sütun eklenmiş yeni bir tablo döndürülür, orijinal tablo nesnesi değiştirilmeden kalır.

append_column

( *args**kwargs ) → datasets.table.Table

Parametreler

field_ (Union[str, pyarrow.Field]) — Bir dize geçirilirse, tür sütun verisinden çıkarılır.
column (Union[pyarrow.Array, List[pyarrow.Array]]) — Sütun verisi.

Dönüş değeri

datasets.table.Table

Eklenen sütunla birlikte yeni tablo.

Sütunların sonuna sütun ekleyin.

remove_column

( i*args**kwargs ) → datasets.table.Table

Parametreler

i (int) — Kaldırılacak sütunun indeksi.

Dönüş değeri

datasets.table.Table

Sütun olmadan yeni tablo.

Belirtilen sütun kaldırılarak yeni bir Table oluşturur.

set_column

( *args**kwargs ) → datasets.table.Table

Parametreler

i (int) — Sütunun yerleştirileceği indeks.
field_ (Union[str, pyarrow.Field]) — Bir dize geçirilirse, tür sütun verisinden çıkarılır.
column (Union[pyarrow.Array, List[pyarrow.Array]]) — Sütun verisi.

Dönüş değeri

datasets.table.Table

Geçirilen sütun kümesiyle yeni tablo.

Tabloda konumda sütunu değiştirin.

rename_columns

( names*args**kwargs )

Sütun adları verilen adlarla değiştirilerek yeni tablo oluşturun.

seç

( columns*args**kwargs ) → datasets.table.Table

Parametreler

columns (Union[List[str], List[int]]) — Seçilecek sütun adları veya tamsayı indeksleri.

Dönüş değeri

datasets.table.Table

Belirtilen sütunlara sahip yeni tablo ve korunan meta veriler.

Tablonun sütunlarını seçin.

Belirtilen sütunlara sahip yeni bir tablo döndürür ve metadata korunur.

drop

( columns*args**kwargs ) → datasets.table.Table

Parametreler

columns (List[str]) — Mevcut sütunlara atıfta bulunan alan adlarının listesi.

Dönüş değeri

datasets.table.Table

Sütunlar olmadan yeni tablo.

Yükseltilen

KeyError

KeyError — : Geçirilen sütun adlarından herhangi biri mevcut değilse.

Bir veya daha fazla sütunu kaldırın ve yeni bir tablo döndürün.

from_blocks

( blocks: ~TableBlockContainer )

from_tables

( tables: listaxis: int = 0 )

Parametreler

tables (Table listesi veya pyarrow.Table listesi) — Tabloların listesi.
axis ({0, 1}, varsayılan olarak 0, satırlar üzerinde) — Birleştirilecek eksen, burada 0 satırlar üzerinde (dikey) anlamına gelir ve 1 sütunlar üzerinde (yatay) anlamına gelir.

1.6.0 sürümünde eklendi

Tablo listesinden ConcatenationTable oluşturun.

Yardımcılar

datasets.table.concat_tables

( tables: listaxis: int = 0 ) → datasets.table.Table

Parametreler

tables (Table listesi) — Birleştirilecek tabloların listesi.
axis ({0, 1}, varsayılan olarak 0, satırlar üzerinde) — Birleştirilecek eksen, burada 0 satırlar üzerinde (dikey) anlamına gelir ve 1 sütunlar üzerinde (yatay) anlamına gelir.

1.6.0 sürümünde eklendi

Dönüş değeri

datasets.table.Table

Girdi tablosu sayısı > 1 ise, döndürülen tablo bir datasets.table.ConcatenationTable'dir. Aksi halde, yalnızca bir tablo varsa olduğu gibi döndürülür.

Tabloları birleştirin.

datasets.table.list_table_cache_files

( table: Table ) → List[str]

Dönüş değeri

List[str]

Tablo tarafından yüklenen önbellek dosyalarının yollarının listesi.

Tablo tarafından yüklenen önbellek dosyalarını alın. Önbellek dosyaları, tablonun disk üzerinden bellek eşlemesi yoluyla geldiği durumlarda kullanılır.

Update on GitHub

←Yükleme yöntemleri Yardımcılar→