数据框#

构造函数#

DataFrame([data, index, columns, dtype, ...])

一个GPU数据框对象。

属性和基础数据#

坐标轴

`DataFrame.axes`	返回一个表示DataFrame轴线的列表。
`DataFrame.index`	获取行的标签。
`DataFrame.columns`	返回列的元组

`DataFrame.dtypes`	返回此对象中的数据类型。
`DataFrame.info`([verbose, buf, max_cols, ...])	打印DataFrame的简明摘要。
`DataFrame.select_dtypes`([include, exclude])	根据列的数据类型返回DataFrame列的子集。
`DataFrame.values`	返回DataFrame的CuPy表示。
`DataFrame.ndim`	数据的维度。
`DataFrame.size`	返回基础数据中的元素数量。
`DataFrame.shape`	返回一个表示DataFrame维度的元组。
`DataFrame.memory_usage`([index, deep])	返回对象的内存使用情况。
`DataFrame.empty`	指示DataFrame或Series是否为空。

转换#

`DataFrame.astype`(dtype[, copy, errors])	将对象转换为指定的数据类型。
`DataFrame.convert_dtypes`([infer_objects, ...])	将列转换为最佳可能的可空数据类型。
`DataFrame.copy`([deep])	复制此对象的索引和数据。

索引，迭代#

`DataFrame.head`([n])	返回前 n 行。
`DataFrame.at`	`DataFrame.loc` 的别名；提供与 Pandas 的兼容性。
`DataFrame.iat`	`DataFrame.iloc` 的别名；提供与 Pandas 的兼容性。
`DataFrame.loc`	通过标签或布尔掩码选择行和列。
`DataFrame.iloc`	按位置选择值。
`DataFrame.insert`(loc, column, value[, ...])	在由loc指定的索引处向DataFrame添加一列。
`DataFrame.__iter__`()
`DataFrame.items`()	遍历列名和系列对
`DataFrame.keys`()	获取列。
`DataFrame.iterrows`()	不支持迭代。
`DataFrame.itertuples`([index, name])	不支持迭代。
`DataFrame.pop`(item)	返回一列并将其从DataFrame中删除。
`DataFrame.tail`([n])	返回最后n行作为新的DataFrame或Series
`DataFrame.isin`(values)	DataFrame中的每个元素是否包含在values中。
`DataFrame.squeeze`([axis])	将一维轴对象压缩为标量。
`DataFrame.where`(cond[, other, inplace, ...])	替换条件为False的值。
`DataFrame.mask`(cond[, other, inplace, axis, ...])	替换条件为True的值。
`DataFrame.query`(expr[, local_dict])	使用布尔表达式查询，使用Numba编译GPU内核。

二元运算符函数#

`DataFrame.add`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的逐元素加法（二元运算符add）。
`DataFrame.sub`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的逐元素减法（二元运算符sub）。
`DataFrame.subtract`(other[, axis, level, ...])	获取DataFrame或Series与其他元素的逐元素减法（二元运算符sub）。
`DataFrame.mul`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的逐元素乘法（二元运算符mul）。
`DataFrame.multiply`(other[, axis, level, ...])	获取DataFrame或Series与其他元素的逐元素乘法（二元运算符mul）。
`DataFrame.truediv`(other[, axis, level, ...])	获取DataFrame或Series与其他的浮点除法，逐元素操作（二元运算符truediv）。
`DataFrame.div`(other[, axis, level, fill_value])	获取DataFrame或Series与其他的浮点除法，逐元素进行（二元运算符truediv）。
`DataFrame.divide`(other[, axis, level, ...])	获取DataFrame或Series与其他的浮点除法，逐元素（二元运算符truediv）。
`DataFrame.floordiv`(other[, axis, level, ...])	获取DataFrame或Series与其他的整数除法，逐元素（二元运算符floordiv）。
`DataFrame.mod`(other[, axis, level, fill_value])	获取DataFrame或Series与其他的模，逐元素（二元操作符mod）。
`DataFrame.pow`(other[, axis, level, fill_value])	获取DataFrame或Series与其他的指数，逐元素（二元运算符pow）。
`DataFrame.dot`(other[, reflect])	获取框架与其他的点积（二元运算符 dot）。
`DataFrame.radd`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的加法，逐元素（二元运算符radd）。
`DataFrame.rsub`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的减法，逐元素（二元运算符rsub）。
`DataFrame.rmul`(other[, axis, level, fill_value])	获取DataFrame或Series与其他的逐元素乘法（二元运算符rmul）。
`DataFrame.rdiv`(other[, axis, level, fill_value])	获取DataFrame或Series与其他的浮点除法，逐元素（二元运算符rtruediv）。
`DataFrame.rtruediv`(other[, axis, level, ...])	获取DataFrame或Series与其他的浮点除法，逐元素（二元运算符rtruediv）。
`DataFrame.rfloordiv`(other[, axis, level, ...])	获取DataFrame或Series与其他元素的整数除法，逐元素进行（二元运算符rfloordiv）。
`DataFrame.rmod`(other[, axis, level, fill_value])	获取DataFrame或Series与其他的模运算，逐元素进行（二元运算符rmod）。
`DataFrame.rpow`(other[, axis, level, fill_value])	获取DataFrame或Series与其他的指数，逐元素（二元运算符rpow）。
`DataFrame.round`([decimals, how])	四舍五入到指定的小数位数。
`DataFrame.lt`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的逐元素小于比较（二元运算符lt）。
`DataFrame.gt`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的逐元素大于比较（二元运算符gt）。
`DataFrame.le`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的逐元素小于或等于（二元运算符le）。
`DataFrame.ge`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的逐元素大于或等于（二元运算符ge）。
`DataFrame.ne`(other[, axis, level, fill_value])	获取DataFrame或Series与其他元素的逐元素不等比较（二元运算符ne）。
`DataFrame.eq`(other[, axis, level, fill_value])	获取DataFrame或Series与其他的元素级相等（二元操作符eq）。
`DataFrame.product`([axis, skipna, dtype, ...])	返回DataFrame中值的乘积。

函数应用、分组及窗口#

`DataFrame.agg`(aggs[, axis])	使用一个或多个操作在指定的轴上进行聚合。
`DataFrame.apply`(func[, axis, raw, ...])	沿着DataFrame的轴应用一个函数。
`DataFrame.applymap`(func[, na_action])	对Dataframe的每个元素应用一个函数。
`DataFrame.apply_chunks`(func, incols, outcols)	使用用户提供的函数转换用户指定的块。
`DataFrame.apply_rows`(func, incols, outcols, ...)	应用一个逐行的用户定义函数。
`DataFrame.groupby`([by, axis, level, ...])	使用映射器或一系列列进行分组。
`DataFrame.map`(func[, na_action])	对Dataframe的每个元素应用一个函数。
`DataFrame.pipe`(func, args, *kwargs)	应用 `func(self, args, *kwargs)`。
`DataFrame.rolling`(window[, min_periods, ...])	滚动窗口计算。

计算 / 描述性统计#

`DataFrame.abs`()	返回一个包含每个元素绝对值的Series/DataFrame。
`DataFrame.all`([axis, bool_only, skipna])	返回DataFrame中所有元素是否为True。
`DataFrame.any`([axis, bool_only, skipna])	返回DataFrame中是否有任何元素为True。
`DataFrame.clip`([lower, upper, axis, inplace])	在输入阈值处修剪值。
`DataFrame.corr`([method, min_periods, ...])	计算DataFrame的相关矩阵。
`DataFrame.count`([axis, numeric_only])	计算每列或每行的`非NA`单元格数量。
`DataFrame.cov`([min_periods, ddof, numeric_only])	计算DataFrame的协方差矩阵。
`DataFrame.cummax`([axis])	返回IndexedFrame的累积最大值。
`DataFrame.cummin`([axis])	返回IndexedFrame的累积最小值。
`DataFrame.cumprod`([axis])	返回IndexedFrame的累积乘积。
`DataFrame.cumsum`([axis])	返回IndexedFrame的累积和。
`DataFrame.describe`([percentiles, include, ...])	生成描述性统计信息。
`DataFrame.diff`([periods, axis])	元素的一阶离散差分。
`DataFrame.eval`(expr[, inplace])	评估描述DataFrame列操作的字符串。
`DataFrame.ewm`([com, span, halflife, alpha, ...])	提供指数加权（EW）函数。
`DataFrame.kurt`([axis, skipna, numeric_only])	返回样本的Fisher无偏峰度。
`DataFrame.kurtosis`([axis, skipna, numeric_only])	返回样本的Fisher无偏峰度。
`DataFrame.max`([axis, skipna, numeric_only])	返回DataFrame中值的最大值。
`DataFrame.mean`([axis, skipna, numeric_only])	返回请求轴上的值的平均值。
`DataFrame.median`([axis, skipna, numeric_only])	返回请求轴的值的中位数。
`DataFrame.min`([axis, skipna, numeric_only])	返回DataFrame中的最小值。
`DataFrame.mode`([axis, numeric_only, dropna])	获取沿选定轴的每个元素的众数。
`DataFrame.pct_change`([periods, fill_method, ...])	计算DataFrame中连续元素之间的百分比变化。
`DataFrame.prod`([axis, skipna, dtype, ...])	返回DataFrame中值的乘积。
`DataFrame.product`([axis, skipna, dtype, ...])	返回DataFrame中值的乘积。
`DataFrame.quantile`([q, axis, numeric_only, ...])	返回给定分位数的值。
`DataFrame.rank`([axis, method, numeric_only, ...])	沿轴计算数值数据的排名（1到n）。
`DataFrame.round`([decimals, how])	四舍五入到指定的小数位数。
`DataFrame.scale`()	将值缩放到 [0, 1] 的 float64 范围内
`DataFrame.skew`([axis, skipna, numeric_only])	返回样本的无偏Fisher-Pearson偏度。
`DataFrame.sum`([axis, skipna, dtype, ...])	返回DataFrame中值的总和。
`DataFrame.std`([axis, skipna, ddof, numeric_only])	返回DataFrame的样本标准差。
`DataFrame.var`([axis, skipna, ddof, numeric_only])	返回DataFrame的无偏方差。
`DataFrame.nunique`([axis, dropna])	计算指定轴上不同元素的数量。
`DataFrame.value_counts`([subset, normalize, ...])	返回一个包含DataFrame中唯一行计数的Series。

重新索引 / 选择 / 标签操作#

`DataFrame.add_prefix`(prefix[, axis])	使用字符串 prefix 作为前缀标签。
`DataFrame.add_suffix`(suffix[, axis])	使用字符串suffix作为后缀标签。
`DataFrame.drop`([labels, axis, index, ...])	从行或列中删除指定的标签。
`DataFrame.drop_duplicates`([subset, keep, ...])	返回删除重复行的DataFrame。
`DataFrame.duplicated`([subset, keep])	返回表示重复行的布尔系列。
`DataFrame.equals`(other)	测试两个对象是否包含相同的元素。
`DataFrame.first`(offset)	根据日期偏移选择时间序列数据的初始周期。
`DataFrame.head`([n])	返回前 n 行。
`DataFrame.last`(offset)	根据日期偏移选择时间序列数据的最后周期。
`DataFrame.reindex`([labels, index, columns, ...])	使DataFrame适应新的索引。
`DataFrame.rename`([mapper, index, columns, ...])	更改列和索引标签。
`DataFrame.reset_index`([level, drop, ...])	重置DataFrame的索引，或其一个级别。
`DataFrame.sample`([n, frac, replace, ...])	返回对象轴上项目的随机样本。
`DataFrame.searchsorted`(values[, side, ...])	查找应插入元素以保持顺序的索引
`DataFrame.set_index`(keys[, drop, append, ...])	返回一个带有新索引的新DataFrame
`DataFrame.repeat`(repeats[, axis])	连续重复元素。
`DataFrame.tail`([n])	返回最后n行作为新的DataFrame或Series
`DataFrame.take`(indices[, axis])	返回一个包含由indices指定的行的新框架。
`DataFrame.tile`(count)	将行重复count次以形成一个新的框架。
`DataFrame.truncate`([before, after, axis, copy])	在某个索引值前后截断Series或DataFrame。

缺失数据处理#

`DataFrame.backfill`([value, axis, inplace, limit])	`Series.fillna()` 的同义词，使用 `method='bfill'`。
`DataFrame.bfill`([value, axis, inplace, ...])	`Series.fillna()` 的同义词，使用 `method='bfill'`。
`DataFrame.dropna`([axis, how, thresh, ...])	从列中删除包含空值的行（或列）。
`DataFrame.ffill`([value, axis, inplace, ...])	`Series.fillna()` 的同义词，使用 `method='ffill'`。
`DataFrame.fillna`([value, method, axis, ...])	使用`value`或指定的`method`填充空值。
`DataFrame.interpolate`([method, axis, limit, ...])	在一些点之间插值数据。
`DataFrame.isna`()	识别缺失值。
`DataFrame.isnull`()	识别缺失值。
`DataFrame.nans_to_nulls`()	将nans（如果有的话）转换为nulls
`DataFrame.notna`()	识别非缺失值。
`DataFrame.notnull`()	识别非缺失值。
`DataFrame.pad`([value, axis, inplace, limit])	`Series.fillna()` 的同义词，使用 `method='ffill'`。
`DataFrame.replace`([to_replace, value, ...])	将`to_replace`中给定的值替换为`value`。

重塑、排序、转置#

`DataFrame.argsort`([by, axis, kind, order, ...])	返回将Series值排序的整数索引。
`DataFrame.interleave_columns`()	将表格中的Series列交错合并为单列。
`DataFrame.partition_by_hash`(columns, nparts)	通过columns中数据的哈希值对数据框进行分区。
`DataFrame.pivot`(*, columns[, index, values])	返回由给定索引和列值重新组织的DataFrame。
`DataFrame.pivot_table`([values, index, ...])	创建一个电子表格样式的数据透视表作为DataFrame。
`DataFrame.scatter_by_map`(map_index[, ...])	分散到多个数据框中。
`DataFrame.sort_values`(by[, axis, ascending, ...])	按任一轴的值排序。
`DataFrame.sort_index`([axis, level, ...])	按标签排序对象（沿轴）。
`DataFrame.nlargest`(n, columns[, keep])	返回按columns降序排列的前n行。
`DataFrame.nsmallest`(n, columns[, keep])	返回按columns升序排列的前n行。
`DataFrame.swaplevel`([i, j, axis])	交换第 i 层和第 j 层。
`DataFrame.stack`([level, dropna, future_stack])	将指定的层级从列堆叠到索引
`DataFrame.unstack`([level, fill_value, sort])	将（必须是分层的）索引标签的一个或多个级别进行透视。
`DataFrame.melt`([id_vars, value_vars, ...])	将DataFrame从宽格式转换为长格式，可选择保留标识符变量。
`DataFrame.explode`(column[, ignore_index])	将类似列表的每个元素转换为一行，复制索引值。
`DataFrame.to_struct`([name])	返回由DataFrame的列组成的结构体Series。
`DataFrame.T`	转置索引和列。
`DataFrame.transpose`()	转置索引和列。

组合 / 比较 / 连接 / 合并#

`DataFrame.assign`(**kwargs)	从关键字参数中分配列到DataFrame。
`DataFrame.join`(other[, on, how, lsuffix, ...])	在索引或键列上与其他DataFrame连接列。
`DataFrame.merge`(right[, how, on, left_on, ...])	通过执行数据库风格的连接操作，按列或索引合并GPU DataFrame对象。
`DataFrame.update`(other[, join, overwrite, ...])	使用另一个DataFrame中的非NA值就地修改DataFrame。

序列化 / 输入输出 / 转换#

`DataFrame.deserialize`(header, frames)	从序列化表示生成对象。
`DataFrame.device_deserialize`(header, frames)	执行设备端的反序列化任务。
`DataFrame.device_serialize`()	序列化与设备内存相关的数据和元数据。
`DataFrame.from_arrow`(table)	将PyArrow表转换为DataFrame。
`DataFrame.from_dict`(data[, orient, dtype, ...])	从类似数组或字典的字典构造DataFrame。
`DataFrame.from_pandas`(dataframe[, nan_as_null])	从Pandas DataFrame转换。
`DataFrame.from_records`(data[, index, ...])	将结构化或记录 ndarray 转换为 DataFrame。
`DataFrame.hash_values`([method, seed])	计算此列中值的哈希值。
`DataFrame.host_deserialize`(header, frames)	执行设备端的反序列化任务。
`DataFrame.host_serialize`()	序列化与主机内存相关的数据和元数据。
`DataFrame.serialize`()	生成对象的等效可序列化表示。
`DataFrame.to_arrow`([preserve_index])	转换为 PyArrow 表。
`DataFrame.to_dict`([orient, into, index])	将DataFrame转换为字典。
`DataFrame.to_dlpack`()	将cuDF对象转换为DLPack张量。
`DataFrame.to_parquet`(path[, engine, ...])	将DataFrame写入parquet格式。
`DataFrame.to_csv`([path_or_buf, sep, na_rep, ...])	将数据框写入csv文件格式。
`DataFrame.to_cupy`([dtype, copy, na_value])	将Frame转换为CuPy数组。
`DataFrame.to_hdf`(path_or_buf, key, *args, ...)	使用HDFStore将包含的数据写入HDF5文件。
`DataFrame.to_dict`([orient, into, index])	将DataFrame转换为字典。
`DataFrame.to_json`([path_or_buf])	将 cuDF 对象转换为 JSON 字符串。
`DataFrame.to_numpy`([dtype, copy, na_value])	将Frame转换为NumPy数组。
`DataFrame.to_pandas`(*[, nullable, arrow_type])	转换为Pandas DataFrame。
`DataFrame.to_feather`(path, args, *kwargs)	将DataFrame写入feather格式。
`DataFrame.to_records`([index, column_dtypes, ...])	转换为numpy的recarray
`DataFrame.to_string`()	转换为字符串
`DataFrame.values`	返回DataFrame的CuPy表示。
`DataFrame.values_host`	返回数据的NumPy表示。