字典编码

group 编码

函数

std::unique_ptr<column> encode(column_view const &column, data_type indices_type = data_type{type_id::INT32}, rmm::cuda_stream_view stream = cudf::get_default_stream(), rmm::device_async_resource_ref mr = cudf::get_current_device_resource_ref())

通过对现有列进行字典编码来构造一个字典列。

输出列是 DICTIONARY 类型，其键列包含按严格全序排列的非空唯一值。也就是说，对于所有 i in [0,n-1)（其中 n 是键的数量），keys[i] 的排序都在 keys[i+1] 之前。

输出列包含一个子索引列，该列是整数类型，并且大小与输入列相同。

空值掩码和空值计数从输入列复制到输出列。

c = [429, 111, 213, 111, 213, 429, 213]
d = encode(c)
d now has keys [111, 213, 429] and indices [2, 0, 1, 0, 1, 2, 1]

抛出:

• cudf::logic_error – 如果索引类型不是有符号整数类型

• cudf::logic_error – 如果要编码的列已经是 DICTIONARY 类型

参数:

• column – 要进行字典编码的列

• indices_type – 用于索引的整数类型

• 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

返回:

返回一个字典列

std::unique_ptr<column> decode(dictionary_column_view const &dictionary_column, rmm::cuda_stream_view stream = cudf::get_default_stream(), rmm::device_async_resource_ref mr = cudf::get_current_device_resource_ref())

通过使用给定 dictionary_column 中的索引，从该列的键中收集数据来创建新列。

d1 = {["a", "c", "d"], [2, 0, 1, 0]}
s = decode(d1)
s is now ["d", "a", "c", "a"]

参数:

• dictionary_column – 现有字典列

• 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

返回:

新列的类型与 dictionary_column 的键类型匹配