Совместимость DataStore с Pandas

DataStore поддерживает 209 методов pandas DataFrame для полной совместимости с API. Ваш существующий код на Pandas будет работать с минимальными изменениями.

Подход к совместимости

# Typical migration - just change the import
- import pandas as pd
+ from chdb import datastore as pd

# Your code works unchanged
df = pd.read_csv("data.csv")
result = df[df['age'] > 25].groupby('city')['salary'].mean()

Ключевые принципы:

Реализованы все 209 методов pandas DataFrame
Отложенное вычисление для SQL-оптимизации
Автоматическое оборачивание типов (DataFrame → DataStore, Series → ColumnExpr)
Операции без изменения исходных данных (без inplace=True)

Атрибуты и свойства

Свойство	Описание	Запускает выполнение
`shape`	кортеж (строки, столбцы)	Да
`columns`	имена столбцов (Index)	Да
`dtypes`	типы данных столбцов	Да
`values`	массив NumPy	Да
`index`	индекс строк	Да
`size`	количество элементов	Да
`ndim`	количество размерностей	Нет
`empty`	DataFrame пустой	Да
`T`	транспонирование	Да
`axes`	список осей	Да

Примеры:

from chdb import datastore as pd

ds = pd.read_csv("data.csv")

print(ds.shape)      # (1000, 5)
print(ds.columns)    # Index(['name', 'age', 'city', 'salary', 'dept'])
print(ds.dtypes)     # name: object, age: int64, ...
print(ds.empty)      # False

Индексация и выбор

Метод	Описание	Пример
`df['col']`	Выбор столбца	`ds['age']`
`df[['col1', 'col2']]`	Выбор столбцов	`ds[['name', 'age']]`
`df[condition]`	Булева индексация	`ds[ds['age'] > 25]`
`df.loc[...]`	Доступ по меткам	`ds.loc[0:10, 'name']`
`df.iloc[...]`	Доступ по целочисленным индексам	`ds.iloc[0:10, 0:3]`
`df.at[...]`	Одно значение по метке	`ds.at[0, 'name']`
`df.iat[...]`	Одно значение по позиции	`ds.iat[0, 0]`
`df.head(n)`	Первые n строк	`ds.head(10)`
`df.tail(n)`	Последние n строк	`ds.tail(10)`
`df.sample(n)`	Случайная выборка	`ds.sample(100)`
`df.select_dtypes()`	Выбор по Dtype	`ds.select_dtypes(include='number')`
`df.query()`	Запрос по выражению	`ds.query('age > 25')`
`df.where()`	Условная замена	`ds.where(ds['age'] > 0, 0)`
`df.mask()`	Обратный вариант where	`ds.mask(ds['age'] < 0, 0)`
`df.isin()`	Проверка принадлежности значения	`ds['city'].isin(['NYC', 'LA'])`
`df.get()`	Безопасный доступ к столбцу	`ds.get('col', default=None)`
`df.xs()`	Срез	`ds.xs('key')`
`df.pop()`	Удаление столбца	`ds.pop('col')`

Статистические методы

Метод	Описание	Эквивалент SQL
`mean()`	Среднее значение	`AVG()`
`median()`	Медианное значение	`MEDIAN()`
`mode()`	Мода	-
`std()`	Стандартное отклонение	`STDDEV()`
`var()`	Дисперсия	`VAR()`
`min()`	Минимум	`MIN()`
`max()`	Максимум	`MAX()`
`sum()`	Сумма	`SUM()`
`prod()`	Произведение	-
`count()`	Количество значений не NULL	`COUNT()`
`nunique()`	Количество уникальных	`UNIQ()`
`value_counts()`	Частота значений	`GROUP BY`
`quantile()`	Квантиль	`QUANTILE()`
`describe()`	Сводная статистика	-
`corr()`	Матрица корреляции	`CORR()`
`cov()`	Матрица ковариации	`COV()`
`corrwith()`	Попарная корреляция	-
`rank()`	Ранжирование значений	`RANK()`
`abs()`	Абсолютные значения	`ABS()`
`round()`	Округление значений	`ROUND()`
`clip()`	Ограничение значений	-
`cumsum()`	Накопительная сумма	Оконная функция
`cumprod()`	Накопительное произведение	Оконная функция
`cummin()`	Накопительный минимум	Оконная функция
`cummax()`	Накопительный максимум	Оконная функция
`diff()`	Разность	Оконная функция
`pct_change()`	Процентное изменение	Оконная функция
`skew()`	Асимметрия	`SKEW()`
`kurt()`	Эксцесс	`KURT()`
`sem()`	Стандартная ошибка	-
`all()`	Все значения true	-
`any()`	Хотя бы одно значение true	-
`idxmin()`	Индекс минимального значения	-
`idxmax()`	Индекс максимального значения	-

Примеры:

ds = pd.read_csv("data.csv")

# Basic statistics
print(ds['salary'].mean())
print(ds['age'].std())
print(ds.describe())

# Group statistics
print(ds.groupby('department')['salary'].mean())
print(ds.groupby('city').agg({'salary': ['mean', 'std'], 'age': 'count'}))

Обработка данных

Метод	Описание
`drop()`	Удаление строк/столбцов
`drop_duplicates()`	Удаление дубликатов
`duplicated()`	Пометка дубликатов
`dropna()`	Удаление пропущенных значений
`fillna()`	Заполнение пропущенных значений
`ffill()`	Заполнение предыдущим значением
`bfill()`	Заполнение следующим значением
`interpolate()`	Интерполяция значений
`replace()`	Замена значений
`rename()`	Переименование столбцов/индекса
`rename_axis()`	Переименование оси
`assign()`	Добавление новых столбцов
`astype()`	Преобразование типов
`convert_dtypes()`	Автоопределение типов
`copy()`	Копирование DataFrame

Примеры:

ds = pd.read_csv("data.csv")

# Drop operations
result = ds.drop(columns=['unused_col'])
result = ds.drop_duplicates(subset=['user_id'])
result = ds.dropna(subset=['email'])

# Fill operations
result = ds.fillna(0)
result = ds.fillna({'age': 0, 'name': 'Unknown'})

# Transform operations
result = ds.rename(columns={'old_name': 'new_name'})
result = ds.assign(
    full_name=lambda x: x['first_name'] + ' ' + x['last_name'],
    age_group=lambda x: pd.cut(x['age'], bins=[0, 25, 50, 100])
)

Сортировка и ранжирование

Метод	Описание
`sort_values()`	Сортировка по значениям
`sort_index()`	Сортировка по индексу
`nlargest()`	N наибольших значений
`nsmallest()`	N наименьших значений

Примеры:

# Sort by single column
result = ds.sort_values('salary', ascending=False)

# Sort by multiple columns
result = ds.sort_values(['department', 'salary'], ascending=[True, False])

# Get top/bottom N
result = ds.nlargest(10, 'salary')
result = ds.nsmallest(5, 'age')

Изменение формы

Метод	Описание
`pivot()`	Сводная таблица
`pivot_table()`	Сводная таблица с агрегацией
`melt()`	Обратное преобразование
`stack()`	Преобразовать столбцы в индекс
`unstack()`	Преобразовать индекс в столбцы
`transpose()` / `T`	Транспонирование
`explode()`	Развернуть списки в строки
`squeeze()`	Сократить размерность
`droplevel()`	Удалить уровень индекса
`swaplevel()`	Поменять уровни индекса местами
`reorder_levels()`	Изменить порядок уровней

Примеры:

# Pivot table
result = ds.pivot_table(
    values='amount',
    index='region',
    columns='product',
    aggfunc='sum'
)

# Melt (unpivot)
result = ds.melt(
    id_vars=['name'],
    value_vars=['score1', 'score2', 'score3'],
    var_name='test',
    value_name='score'
)

# Explode arrays
result = ds.explode('tags')

Объединение / JOIN

Method	Description
`merge()`	Слияние в стиле SQL
`join()`	JOIN по индексу
`concat()`	Конкатенация
`append()`	Добавление строк
`combine()`	Объединение с функцией
`combine_first()`	Объединение с приоритетом
`update()`	Обновление значений
`compare()`	Показ различий

Примеры:

# Merge (join)
result = pd.merge(df1, df2, on='id', how='left')
result = df1.join(df2, on='id')

# Concatenate
result = pd.concat([df1, df2, df3])
result = pd.concat([df1, df2], axis=1)

Бинарные операции

Метод	Описание
`add()` / `radd()`	Сложение
`sub()` / `rsub()`	Вычитание
`mul()` / `rmul()`	Умножение
`div()` / `rdiv()`	Деление
`truediv()` / `rtruediv()`	Истинное деление
`floordiv()` / `rfloordiv()`	Целочисленное деление
`mod()` / `rmod()`	Остаток от деления
`pow()` / `rpow()`	Возведение в степень
`dot()`	Матричное умножение

Примеры:

# Arithmetic operations
result = ds['col1'].add(ds['col2'])
result = ds['price'].mul(ds['quantity'])

# With fill_value for missing data
result = ds['col1'].add(ds['col2'], fill_value=0)

Операции сравнения

Метод	Описание
`eq()`	Равно
`ne()`	Не равно
`lt()`	Меньше
`le()`	Меньше или равно
`gt()`	Больше
`ge()`	Больше или равно
`equals()`	Проверяет равенство
`compare()`	Показывает различия

Применение функций

Method	Description
`apply()`	Применение функции
`applymap()`	Поэлементное применение
`map()`	Сопоставление значений
`agg()` / `aggregate()`	Агрегация
`transform()`	Преобразование
`pipe()`	Передача в функции
`groupby()`	Группировка

Примеры:

# Apply function
result = ds['name'].apply(lambda x: x.upper())
result = ds.apply(lambda row: row['a'] + row['b'], axis=1)

# Aggregate
result = ds.agg({'col1': 'sum', 'col2': 'mean'})
result = ds.agg(['sum', 'mean', 'std'])

# Pipe
result = (ds
    .pipe(filter_active)
    .pipe(calculate_metrics)
    .pipe(format_output)
)

Временные ряды

Метод	Описание
`rolling()`	Скользящее окно
`expanding()`	Нарастающее окно
`ewm()`	Экспоненциальное взвешивание
`resample()`	Ресемплировать временной ряд
`shift()`	Сдвинуть значения
`asfreq()`	Изменить частоту
`asof()`	Последнее значение на момент
`at_time()`	Выбрать по времени
`between_time()`	Выбрать временной диапазон
`first()` / `last()`	Первые/последние периоды
`to_period()`	Преобразовать в период
`to_timestamp()`	Преобразовать во временную метку
`tz_convert()`	Преобразовать часовой пояс
`tz_localize()`	Задать часовой пояс

Примеры:

# Rolling window
result = ds['value'].rolling(window=7).mean()

# Expanding window
result = ds['value'].expanding().sum()

# Shift
result = ds['value'].shift(1)  # Lag
result = ds['value'].shift(-1)  # Lead

Пропущенные данные

Метод	Описание
`isna()` / `isnull()`	Определение пропущенных значений
`notna()` / `notnull()`	Определение имеющихся значений
`dropna()`	Удаление пропущенных значений
`fillna()`	Заполнение пропущенных значений
`ffill()`	Заполнение предыдущим значением
`bfill()`	Заполнение следующим значением
`interpolate()`	Интерполяция
`replace()`	Замена значений

Методы I/O

Метод	Описание
`to_csv()`	Экспорт в CSV
`to_json()`	Экспорт в JSON
`to_excel()`	Экспорт в Excel
`to_parquet()`	Экспорт в Parquet
`to_feather()`	Экспорт в Feather
`to_sql()`	Экспорт в SQL-базу данных
`to_pickle()`	Формат Pickle
`to_html()`	HTML-таблица
`to_latex()`	Таблица LaTeX
`to_markdown()`	Таблица Markdown
`to_string()`	Строковое представление
`to_dict()`	Словарь
`to_records()`	Записи
`to_numpy()`	Массив NumPy
`to_clipboard()`	Буфер обмена

Подробную документацию см. в разделе Операции I/O.

Итерация

Метод	Описание
`items()`	Перебор пар (столбец, Series)
`iterrows()`	Перебор пар (индекс, Series)
`itertuples()`	Перебор в виде именованных кортежей

Основные различия с Pandas

1. Типы возвращаемых значений

# Pandas returns Series
pdf['col']  # → pd.Series

# DataStore returns ColumnExpr (lazy)
ds['col']   # → ColumnExpr

2. Отложенное выполнение

# DataStore operations are lazy
result = ds.filter(ds['age'] > 25)  # Not executed yet
df = result.to_df()  # Executed here

3. Параметр inplace отсутствует

# Pandas
df.drop(columns=['col'], inplace=True)

# DataStore (always returns new object)
ds = ds.drop(columns=['col'])

4. Сравнение результатов

# Use to_pandas() for comparison
pd.testing.assert_frame_equal(
    ds.to_pandas(),
    expected_df
)

См. Ключевые различия для получения полной информации.