Accesseurs DataStore

DataStore propose 7 espaces de noms d’accesseurs avec plus de 185 méthodes pour des opérations spécifiques à un domaine.

Accesseur	Méthodes	Description
`.str`	56	Opérations sur les chaînes
`.dt`	42+	Opérations DateTime
`.arr`	37	Opérations sur les tableau (spécifiques à ClickHouse)
`.json`	13	Analyse de JSON (spécifique à ClickHouse)
`.url`	15	Analyse d’URL (spécifique à ClickHouse)
`.ip`	9	Opérations sur les adresses IP (spécifiques à ClickHouse)
`.geo`	14	Opérations Geo/de distance (spécifiques à ClickHouse)

Accesseur de chaînes (`.str`)

Les 56 méthodes .str de pandas sont prises en charge, ainsi que les fonctions de manipulation de chaînes de ClickHouse.

Conversion de casse

Méthode	ClickHouse	Description
`upper()`	`upper()`	Convertir en majuscules
`lower()`	`lower()`	Convertir en minuscules
`capitalize()`	`initcap()`	Mettre la première lettre en majuscule
`title()`	`initcap()`	Mettre une majuscule à chaque mot
`swapcase()`	-	Inverser la casse
`casefold()`	`lower()`	Normalisation de la casse

ds['name_upper'] = ds['name'].str.upper()
ds['name_title'] = ds['name'].str.title()

Longueur et taille

Méthode	ClickHouse	Description
`len()`	`length()`	Longueur de la chaîne (octets)
`char_length()`	`char_length()`	Longueur en caractères

ds['name_len'] = ds['name'].str.len()

Sous-chaînes et découpage

Méthode	ClickHouse	Description
`slice(start, stop)`	`substring()`	Extraire une sous-chaîne
`slice_replace()`	-	Remplacer la tranche
`left(n)`	`left()`	Les n premiers caractères
`right(n)`	`right()`	Les n derniers caractères
`get(i)`	-	Caractère à l’indice

ds['first_3'] = ds['name'].str.slice(0, 3)
ds['last_4'] = ds['name'].str.right(4)

Suppression des espaces

Méthode	ClickHouse	Description
`strip()`	`trim()`	Supprimer les espaces
`lstrip()`	`trimLeft()`	Supprimer les espaces en début de chaîne
`rstrip()`	`trimRight()`	Supprimer les espaces en fin de chaîne

ds['trimmed'] = ds['text'].str.strip()

Recherche et correspondance

Méthode	ClickHouse	Description
`contains(pat)`	`position()`	Contient une sous-chaîne
`startswith(pat)`	`startsWith()`	Commence par un préfixe
`endswith(pat)`	`endsWith()`	Se termine par un suffixe
`find(sub)`	`position()`	Trouver la position
`rfind(sub)`	-	Trouver en partant de la droite
`index(sub)`	`position()`	Trouver ou lever une exception
`rindex(sub)`	-	Trouver en partant de la droite ou lever une exception
`match(pat)`	`match()`	Correspondance avec Regex
`fullmatch(pat)`	-	Correspondance complète avec Regex
`count(pat)`	-	Compter les occurrences

# Contains substring
ds['has_john'] = ds['name'].str.contains('John')

# Regex match
ds['valid_email'] = ds['email'].str.match(r'^[\w.-]+@[\w.-]+\.\w+$')

Remplacement

Méthode	ClickHouse	Description
`replace(pat, repl)`	`replace()`	Remplacer les occurrences
`replace(pat, repl, regex=True)`	`replaceRegexpAll()`	Remplacement avec Regex
`removeprefix(prefix)`	-	Supprimer le préfixe
`removesuffix(suffix)`	-	Supprimer le suffixe
`translate(table)`	-	Traduire les caractères

ds['cleaned'] = ds['text'].str.replace('\n', ' ')
ds['digits_only'] = ds['phone'].str.replace(r'\D', '', regex=True)

Séparation

Method	ClickHouse	Description
`split(sep)`	`splitByString()`	Séparer en tableau
`rsplit(sep)`	-	Séparer depuis la droite
`partition(sep)`	-	Séparer en 3 parties
`rpartition(sep)`	-	Séparer depuis la droite en 3

ds['parts'] = ds['path'].str.split('/')

Remplissage

Méthode	ClickHouse	Description
`pad(width)`	`leftPad()`	Compléter à gauche
`ljust(width)`	`rightPad()`	Aligner à droite
`rjust(width)`	`leftPad()`	Aligner à gauche
`center(width)`	-	Centrer
`zfill(width)`	`leftPad(..., '0')`	Compléter avec des zéros

ds['padded_id'] = ds['id'].astype(str).str.zfill(6)

Tests de caractères

Méthode	Description
`isalpha()`	Uniquement alphabétique
`isdigit()`	Uniquement des chiffres
`isalnum()`	Alphanumérique
`isspace()`	Uniquement des espaces
`isupper()`	Uniquement en majuscules
`islower()`	Uniquement en minuscules
`istitle()`	Casse de titre
`isnumeric()`	Caractères numériques
`isdecimal()`	Caractères décimaux

ds['is_numeric'] = ds['code'].str.isdigit()

Autres

Méthode	Description
`repeat(n)`	Répéter n fois
`reverse()`	Inverser la chaîne
`wrap(width)`	Retour à la ligne du texte
`encode(enc)`	Encoder
`decode(enc)`	Décoder
`normalize(form)`	Normalisation Unicode
`extract(pat)`	Extraire les groupes Regex
`extractall(pat)`	Extraire toutes les correspondances
`cat(sep)`	Tout concaténer
`get_dummies(sep)`	Variables indicatrices

Accesseur DateTime (`.dt`)

Plus de 42 méthodes pandas .dt, ainsi que les fonctions DateTime de ClickHouse.

Composants de date

Propriété	ClickHouse	Description
`year`	`toYear()`	Année
`month`	`toMonth()`	Mois (1-12)
`day`	`toDayOfMonth()`	Jour (1-31)
`hour`	`toHour()`	Heure (0-23)
`minute`	`toMinute()`	Minute (0-59)
`second`	`toSecond()`	Seconde (0-59)
`millisecond`	`toMillisecond()`	Milliseconde
`microsecond`	`toMicrosecond()`	Microseconde
`quarter`	`toQuarter()`	Trimestre (1-4)
`dayofweek`	`toDayOfWeek()`	Jour de la semaine (0=lun.)
`dayofyear`	`toDayOfYear()`	Jour de l'année
`week`	`toWeek()`	Numéro de semaine
`days_in_month`	-	Nombre de jours dans le mois

ds['year'] = ds['date'].dt.year
ds['month'] = ds['date'].dt.month
ds['day_of_week'] = ds['date'].dt.dayofweek

Tronquage

Méthode	ClickHouse	Description
`to_start_of_day()`	`toStartOfDay()`	Début de la journée
`to_start_of_week()`	`toStartOfWeek()`	Début de la semaine
`to_start_of_month()`	`toStartOfMonth()`	Début du mois
`to_start_of_quarter()`	`toStartOfQuarter()`	Début du trimestre
`to_start_of_year()`	`toStartOfYear()`	Début de l’année
`to_start_of_hour()`	`toStartOfHour()`	Début de l’heure
`to_start_of_minute()`	`toStartOfMinute()`	Début de la minute

ds['month_start'] = ds['date'].dt.to_start_of_month()

Arithmétique

Méthode	ClickHouse	Description
`add_years(n)`	`addYears()`	Ajouter des années
`add_months(n)`	`addMonths()`	Ajouter des mois
`add_weeks(n)`	`addWeeks()`	Ajouter des semaines
`add_days(n)`	`addDays()`	Ajouter des jours
`add_hours(n)`	`addHours()`	Ajouter des heures
`add_minutes(n)`	`addMinutes()`	Ajouter des minutes
`add_seconds(n)`	`addSeconds()`	Ajouter des secondes
`subtract_years(n)`	`subtractYears()`	Soustraire des années
`subtract_months(n)`	`subtractMonths()`	Soustraire des mois
`subtract_days(n)`	`subtractDays()`	Soustraire des jours

ds['next_month'] = ds['date'].dt.add_months(1)
ds['last_week'] = ds['date'].dt.subtract_weeks(1)

Vérifications booléennes

Méthode	Description
`is_month_start()`	Premier jour du mois
`is_month_end()`	Dernier jour du mois
`is_quarter_start()`	Premier jour du trimestre
`is_quarter_end()`	Dernier jour du trimestre
`is_year_start()`	Premier jour de l’année
`is_year_end()`	Dernier jour de l’année
`is_leap_year()`	Année bissextile

ds['is_eom'] = ds['date'].dt.is_month_end()

Formatage

Méthode	ClickHouse	Description
`strftime(fmt)`	`formatDateTime()`	Format en chaîne
`day_name()`	-	Nom du jour
`month_name()`	-	Nom du mois

ds['date_str'] = ds['date'].dt.strftime('%Y-%m-%d')
ds['day_name'] = ds['date'].dt.day_name()

Fuseau horaire

Méthode	ClickHouse	Description
`tz_convert(tz)`	`toTimezone()`	Conversion de fuseau horaire
`tz_localize(tz)`	-	Définition du fuseau horaire

ds['utc_time'] = ds['timestamp'].dt.tz_convert('UTC')

Accesseur de tableau (`.arr`)

Opérations sur les tableaux spécifiques à ClickHouse (37 méthodes).

Propriétés

Propriété	ClickHouse	Description
`length`	`length()`	Longueur du tableau
`size`	`length()`	Alias de `length`
`empty`	`empty()`	Est vide
`not_empty`	`notEmpty()`	N'est pas vide

ds['tag_count'] = ds['tags'].arr.length
ds['has_tags'] = ds['tags'].arr.not_empty

Accès aux éléments

Méthode	ClickHouse	Description
`array_first()`	`arrayElement(..., 1)`	Premier élément
`array_last()`	`arrayElement(..., -1)`	Dernier élément
`array_element(n)`	`arrayElement()`	Nième élément
`array_slice(off, len)`	`arraySlice()`	Sous-tableau

ds['first_tag'] = ds['tags'].arr.array_first()
ds['last_tag'] = ds['tags'].arr.array_last()

Agrégations

Méthode	ClickHouse	Description
`array_sum()`	`arraySum()`	Somme des éléments
`array_avg()`	`arrayAvg()`	Moyenne
`array_min()`	`arrayMin()`	Minimum
`array_max()`	`arrayMax()`	Maximum
`array_product()`	`arrayProduct()`	Produit
`array_uniq()`	`arrayUniq()`	Nombre de valeurs uniques

ds['total'] = ds['values'].arr.array_sum()
ds['average'] = ds['values'].arr.array_avg()

Transformations

Méthode	ClickHouse	Description
`array_sort()`	`arraySort()`	Trier par ordre croissant
`array_reverse_sort()`	`arrayReverseSort()`	Trier par ordre décroissant
`array_reverse()`	`arrayReverse()`	Inverser l'ordre
`array_distinct()`	`arrayDistinct()`	Éléments uniques
`array_compact()`	`arrayCompact()`	Supprimer les doublons consécutifs
`array_flatten()`	`arrayFlatten()`	Aplatir les tableaux imbriqués

ds['sorted_tags'] = ds['tags'].arr.array_sort()
ds['unique_tags'] = ds['tags'].arr.array_distinct()

Modifications

Méthode	ClickHouse	Description
`array_push_back(elem)`	`arrayPushBack()`	Ajouter à la fin
`array_push_front(elem)`	`arrayPushFront()`	Ajouter au début
`array_pop_back()`	`arrayPopBack()`	Retirer le dernier élément
`array_pop_front()`	`arrayPopFront()`	Retirer le premier élément
`array_concat(other)`	`arrayConcat()`	Concaténer

Search

Méthode	ClickHouse	Description
`has(elem)`	`has()`	Contient l’élément
`index_of(elem)`	`indexOf()`	Trouve l’indice
`count_equal(elem)`	`countEqual()`	Compte les occurrences

ds['has_python'] = ds['skills'].arr.has('Python')

Opérations sur les chaînes de caractères

Méthode	ClickHouse	Description
`array_string_concat(sep)`	`arrayStringConcat()`	Concaténer en une chaîne

ds['tags_str'] = ds['tags'].arr.array_string_concat(', ')

Accesseur JSON (`.json`)

Analyse du JSON spécifique à ClickHouse (13 méthodes).

Méthode	ClickHouse	Description
`get_string(path)`	`JSONExtractString()`	Extraire une chaîne
`get_int(path)`	`JSONExtractInt()`	Extraire un entier
`get_float(path)`	`JSONExtractFloat()`	Extraire un flottant
`get_bool(path)`	`JSONExtractBool()`	Extraire un booléen
`get_raw(path)`	`JSONExtractRaw()`	Extraire le JSON brut
`get_keys()`	`JSONExtractKeys()`	Obtenir les clés
`get_type(path)`	`JSONType()`	Obtenir le type
`get_length(path)`	`JSONLength()`	Obtenir la longueur
`has_key(key)`	`JSONHas()`	Vérifier la présence de la clé
`is_valid()`	`isValidJSON()`	Valider le JSON
`to_json_string()`	`toJSONString()`	Convertir en JSON

# Parse JSON columns
ds['user_name'] = ds['json_data'].json.get_string('user.name')
ds['user_age'] = ds['json_data'].json.get_int('user.age')
ds['is_active'] = ds['json_data'].json.get_bool('user.active')
ds['has_email'] = ds['json_data'].json.has_key('user.email')

Accesseur d’URL (`.url`)

Analyse d’URL propre à ClickHouse (15 méthodes).

Méthode	ClickHouse	Description
`domain()`	`domain()`	Domaine
`domain_without_www()`	`domainWithoutWWW()`	Domaine sans www
`top_level_domain()`	`topLevelDomain()`	Domaine de premier niveau
`protocol()`	`protocol()`	Protocole (http/https)
`path()`	`path()`	Chemin de l’URL
`path_full()`	`pathFull()`	Chemin avec chaîne de requête
`query_string()`	`queryString()`	Chaîne de requête
`fragment()`	`fragment()`	Fragment (#…)
`port()`	`port()`	Numéro de port
`extract_url_parameter(name)`	`extractURLParameter()`	Extraire un paramètre de requête
`extract_url_parameters()`	`extractURLParameters()`	Tous les paramètres
`cut_url_parameter(name)`	`cutURLParameter()`	Supprimer un paramètre
`decode_url_component()`	`decodeURLComponent()`	Décoder l’URL
`encode_url_component()`	`encodeURLComponent()`	Encoder l’URL

# Parse URLs
ds['domain'] = ds['url'].url.domain()
ds['path'] = ds['url'].url.path()
ds['utm_source'] = ds['url'].url.extract_url_parameter('utm_source')

Accesseur IP (`.ip`)

Opérations sur les adresses IP spécifiques à ClickHouse (9 méthodes).

Méthode	ClickHouse	Description
`to_ipv4()`	`toIPv4()`	Convertir en IPv4
`to_ipv6()`	`toIPv6()`	Convertir en IPv6
`ipv4_num_to_string()`	`IPv4NumToString()`	Nombre en chaîne
`ipv4_string_to_num()`	`IPv4StringToNum()`	Chaîne en nombre
`ipv6_num_to_string()`	`IPv6NumToString()`	Nombre IPv6 en chaîne
`ipv4_to_ipv6()`	`IPv4ToIPv6()`	Convertir en IPv6
`is_ipv4_string()`	`isIPv4String()`	Vérifier IPv4
`is_ipv6_string()`	`isIPv6String()`	Vérifier IPv6
`ipv4_cidr_to_range(cidr)`	`IPv4CIDRToRange()`	CIDR en plage

# IP operations
ds['is_valid_ip'] = ds['ip'].ip.is_ipv4_string()
ds['ip_num'] = ds['ip'].ip.ipv4_string_to_num()

Accesseur Geo (`.geo`)

Opérations géospatiales et de distance spécifiques à ClickHouse (14 méthodes).

Fonctions de distance

Méthode	ClickHouse	Description
`great_circle_distance(...)`	`greatCircleDistance()`	Distance orthodromique
`geo_distance(...)`	`geoDistance()`	Distance selon WGS-84
`l1_distance(v1, v2)`	`L1Distance()`	Distance de Manhattan
`l2_distance(v1, v2)`	`L2Distance()`	Distance euclidienne
`l2_squared_distance(v1, v2)`	`L2SquaredDistance()`	Distance euclidienne au carré
`linf_distance(v1, v2)`	`LinfDistance()`	Distance de Chebyshev
`cosine_distance(v1, v2)`	`cosineDistance()`	Distance cosinus

Opérations vectorielles

Méthode	ClickHouse	Description
`dot_product(v1, v2)`	`dotProduct()`	Produit scalaire
`l2_norm(vec)`	`L2Norm()`	Norme vectorielle
`l2_normalize(vec)`	`L2Normalize()`	Normalisation

Fonctions H3

Méthode	ClickHouse	Description
`geo_to_h3(lon, lat, res)`	`geoToH3()`	Conversion de Geo en index H3
`h3_to_geo(h3)`	`h3ToGeo()`	Conversion de H3 en coordonnées Geo

Opérations sur le type Point

Méthode	ClickHouse	Description
`point_in_polygon(pt, poly)`	`pointInPolygon()`	Point dans un polygone
`point_in_ellipses(...)`	`pointInEllipses()`	Point dans des ellipses

from chdb.datastore import F

# Calculate distances
ds['distance'] = F.great_circle_distance(
    ds['lon1'], ds['lat1'],
    ds['lon2'], ds['lat2']
)

# Vector similarity
ds['similarity'] = F.cosine_distance(ds['embedding1'], ds['embedding2'])

Utiliser les accesseurs

Évaluation paresseuse

La plupart des méthodes d’accesseuR sont paresseuses : elles renvoient des expressions évaluées ultérieurement :

# All these are lazy
ds['name_upper'] = ds['name'].str.upper()  # Not executed yet
ds['year'] = ds['date'].dt.year            # Not executed yet
ds['domain'] = ds['url'].url.domain()      # Not executed yet

# Execution happens when you access results
df = ds.to_df()  # Now everything executes

Méthodes exécutées immédiatement

Certaines méthodes .str doivent être exécutées, car elles modifient la structure :

Méthode	Renvoie	Pourquoi
`partition(sep)`	DataStore (3 colonnes)	Crée plusieurs colonnes
`rpartition(sep)`	DataStore (3 colonnes)	Crée plusieurs colonnes
`get_dummies(sep)`	DataStore (N colonnes)	Nombre de colonnes dynamique
`extractall(pat)`	DataStore	Résultat MultiIndex
`cat(sep)`	str	Agrégation (N lignes → 1)

Enchaînement des accesseurs

On peut chaîner les méthodes d’accesseur :

ds['clean_name'] = (ds['name']
    .str.strip()
    .str.lower()
    .str.replace(' ', '_')
)

ds['next_month_start'] = (ds['date']
    .dt.add_months(1)
    .dt.to_start_of_month()
)