Column#

class pylibcudf.column.Column(DataType data_type, size_type size, gpumemoryview data, gpumemoryview mask, size_type null_count, size_type offset, list children)#

一个包含可空设备数据作为元素列的容器。

此类实现了 Arrow 柱状数据规范，用于存储在 GPU 上的数据。它依赖于类似于 Python memoryview 的语义来维护构建时所用数据的共享所有权，因此任何输入数据也可能由其他数据结构共同拥有。Column 旨在通过 libcudf 支持的算法进行操作。

参数:

data_typeDataType: 列中的数据类型。
sizesize_type: 列中的行数。
datagpumemoryview: 列将引用的数据。
maskgpumemoryview: 列的 null 掩码。
null_countint: 列中 null 行的数量。
offsetint: 列数据开始时在数据缓冲区中的偏移量。
childrenlist: 如果是复合列类型，则为该列的子列。

方法

`all_null_like`(Column like, size_type size)	从模板创建一个全 null 列。
`child`(self, size_type index)	获取该列的子列。
`children`(self)	该列的子列。
`copy`(self)	创建该列的副本。
`data`(self)	该列的数据缓冲区。
`from_cuda_array_interface_obj`(obj)	从具有 CUDA 数组接口的对象创建一个 Column。
`from_scalar`(Scalar slr, size_type size)	从 Scalar 创建一个 Column。
`list_view`(self)	Column 特定于列表的方法的访问器。
`null_count`(self)	列中 null 元素的数量。
`null_mask`(self)	该列的 null 掩码。
`num_children`(self)	该列的子列数量。
`offset`(self)	该列的偏移量。
`size`(self)	列中的元素数量。
`type`(self)	列中的数据类型。
`with_mask`(self, gpumemoryview mask, ...)	使用新的 null 掩码增强此列。

static all_null_like(Column like, size_type size)#

从模板创建一个全 null 列。

参数:

likeColumn: 应模仿其类型的列
sizeint: 结果列中的行数。

返回:

Column: 一个具有 size 行且类型与 like 匹配的全 null 列。

child(self, size_type index) → Column#

获取该列的子列。

参数:

indexsize_type: 要获取的子列的索引。

返回:

Column: 子列。

children(self) → list#: 该列的子列。

copy(self) → Column#: 创建该列的副本。

data(self) → gpumemoryview#: 该列的数据缓冲区。

static from_cuda_array_interface_obj(obj)#

从具有 CUDA 数组接口的对象创建一个 Column。

参数:

objobject: 具有 CUDA 数组接口的，用于创建列的对象。

返回:

Column: 一个包含 CUDA 数组接口数据的 Column。

注意

创建列时不会复制数据。调用者有责任确保在使用列时数据不会意外变异。

static from_scalar(Scalar slr, size_type size)#

从 Scalar 创建一个 Column。

参数:

slrScalar: 用于创建列的 scalar。
sizesize_type: 列中的元素数量。

返回:

Column: 一个包含重复 size 次的 scalar 的 Column。

list_view(self) → ListColumnView#: Column 特定于列表的方法的访问器。

null_count(self) → size_type#: 列中 null 元素的数量。

null_mask(self) → gpumemoryview#: 该列的 null 掩码。

num_children(self) → size_type#: 该列的子列数量。

offset(self) → size_type#: 该列的偏移量。

size(self) → size_type#: 列中的元素数量。

type(self) → DataType#: 列中的数据类型。

with_mask(self, gpumemoryview mask, size_type null_count) → Column#

使用新的 null 掩码增强此列。

参数:

maskgpumemoryview: 新的掩码（或 None 以取消设置掩码）
null_countint: 新的 null 数量。如果这是不正确的，将会发生糟糕的事情。

返回:

与 self 共享数据的新 Column 对象（除了新的掩码）。

class pylibcudf.column.ListColumnView(Column col)#

Column 特定于列表的方法的访问器。

方法

`child`(self)	底层列表列的数据列。
`offsets`(self)	底层列表列的偏移量列。

child(self)#: 底层列表列的数据列。

offsets(self)#: 底层列表列的偏移量列。

pylibcudf.column.is_c_contiguous(shape: Sequence[int], strides: None | Sequence[int], int itemsize: int) → bool#

确定形状和步长是否是 C-contiguous

参数:

shapeSequence[int]: 每个维度中的元素数量。
stridesNone | Sequence[int]: 每个维度以字节为单位的步长。如果为 None，则内存布局为 C-contiguous。
itemsizeint: 元素以字节为单位的大小。

返回:

bool: 布尔值结果。

Column#

本页