通用函数#

数据操作#

`cudf.concat`(objs[, axis, join, ...])	按行连接DataFrames、Series或Indices。
`cudf.crosstab`(index, columns[, values, ...])	计算两个（或更多）因素的简单交叉表。
`cudf.cut`(x, bins[, right, labels, retbins, ...])	将值分箱到离散区间。
`cudf.factorize`(values[, sort, ...])	将输入值编码为整数标签
`cudf.get_dummies`(data[, prefix, prefix_sep, ...])	返回一个数据框，其列是df中所有列的单热编码
`cudf.melt`(frame[, 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。
`cudf.merge`(left, right, args, *kwargs)	通过列或索引执行数据库风格的连接操作来合并GPU DataFrame对象。
`cudf.pivot`(data[, columns, index, values])	返回由给定索引和列值组织的重塑后的DataFrame。
`cudf.pivot_table`(data[, values, index, ...])	创建一个电子表格样式的数据透视表作为DataFrame。
`cudf.unstack`(df, 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。

顶级转换#

`cudf.to_numeric`(arg[, errors, downcast, ...])	将参数转换为数值类型。
`cudf.from_dataframe`(df[, allow_copy])	从支持数据框交换协议的对象构建一个`DataFrame`。
`cudf.from_dlpack`(pycapsule_obj)	将DLPack张量转换为cuDF对象。
`cudf.from_pandas`(obj[, nan_as_null])	将某些Pandas对象转换为cudf等效对象。

处理日期时间数据的顶级方法#

`cudf.to_datetime`(arg[, errors, dayfirst, ...])	将参数转换为日期时间。
`cudf.date_range`([start, end, periods, freq, ...])	返回一个固定频率的DatetimeIndex。

处理区间数据的顶级方法#

cudf.interval_range([start, end, periods, ...])

返回一个固定频率的IntervalIndex。