复制连接#

group copy_concatenate

函数

rmm::device_buffer concatenate_masks(host_span<column_view const> views, rmm::cuda_stream_view stream = cudf::get_default_stream(), rmm::device_async_resource_ref mr = cudf::get_current_device_resource_ref())#

将views[i]的位掩码从位[views[i].offset(), views[i].offset() + views[i].size())连接起来，将所有元素views连接到一个rmm::device_buffer中

如果列不可为空，则返回一个空缓冲区。

Parameters:

  • views – 其位掩码将被连接的列视图

  • mr – 用于分配返回内存的设备内存资源

  • stream – 用于设备内存操作和内核启动的CUDA流

Returns:

视图向量中所有列视图的位掩码

std::unique_ptr<column> concatenate(host_span<column_view const> columns_to_concat, rmm::cuda_stream_view stream = cudf::get_default_stream(), rmm::device_async_resource_ref mr = cudf::get_current_device_resource_ref())#

将多个列连接成一个单独的列。

Throws:
Parameters:

  • columns_to_concat – 要连接成单个列的列视图

  • stream – 用于设备内存操作和内核启动的CUDA流

  • mr – 用于分配返回列的设备内存的设备内存资源

Returns:

一个包含columns_to_concat元素中所有行的单列，顺序相同。

std::unique_ptr<table> concatenate(host_span<table_view const> tables_to_concat, rmm::cuda_stream_view stream = cudf::get_default_stream(), rmm::device_async_resource_ref mr = cudf::get_current_device_resource_ref())#

tables_to_concat 的列被垂直连接以返回单个表。

column_view c0 is {0,1,2,3}
column_view c1 is {4,5,6,7}
table_view t0{{c0, c0}};
table_view t1{{c1, c1}};
...
auto t = concatenate({t0.view(), t1.view()});
column_view tc0 = (t->view()).column(0) is {0,1,2,3,4,5,6,7}
column_view tc1 = (t->view()).column(1) is {0,1,2,3,4,5,6,7}
Throws:
Parameters:

  • tables_to_concat – 要连接成单个表的表视图

  • stream – 用于设备内存操作和内核启动的CUDA流

  • mr – 用于分配返回表的设备内存的设备内存资源

Returns:

一个包含来自tables_to_concat元素的所有行的单一表格，顺序相同。