DataFrame

构造函数

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

一个 GPU Dataframe 对象。

属性和底层数据

轴

DataFrame.axes	返回一个表示 DataFrame 轴的列表。
DataFrame.index	获取行的标签。
DataFrame.columns	返回一个列的元组

DataFrame.dtypes	返回此对象中的数据类型 (dtypes)。
DataFrame.info([verbose, buf, max_cols, ...])	打印 DataFrame 的简洁摘要。
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	返回底层数据中的元素数量。
DataFrame.shape	返回表示 DataFrame 维度的元组。
DataFrame.memory_usage([index, deep])	返回对象的内存使用量。
DataFrame.empty	指示 DataFrame 或 Series 是否为空。

转换

DataFrame.astype(dtype[, copy, errors])	将对象转换为给定的数据类型 (dtype)。
DataFrame.convert_dtypes([infer_objects, ...])	将列转换为最优的可空数据类型 (nullable dtypes)。
DataFrame.copy([deep])	创建此对象的索引和数据的副本。

索引，迭代

DataFrame.head([n])	返回前 n 行。
DataFrame.at	DataFrame.loc 的别名；为了与 Pandas 兼容而提供。
DataFrame.iat	DataFrame.iloc 的别名；为了与 Pandas 兼容而提供。
DataFrame.loc	按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 loc 指定的索引处向 DataFrame 添加一列。
DataFrame.__iter__()
DataFrame.items()	迭代列名和 Series 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])	使用布尔表达式进行查询，利用 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 other 的逐元素相加结果（二元运算符 add）。
DataFrame.sub(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素相减结果（二元运算符 sub）。
DataFrame.subtract(other[, axis, level, ...])	获取 DataFrame 或 Series 与 other 的逐元素相减结果（二元运算符 sub）。
DataFrame.mul(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素相乘结果（二元运算符 mul）。
DataFrame.multiply(other[, axis, level, ...])	获取 DataFrame 或 Series 与 other 的逐元素相乘结果（二元运算符 mul）。
DataFrame.truediv(other[, axis, level, ...])	获取 DataFrame 或 Series 与 other 的逐元素浮点相除结果（二元运算符 truediv）。
DataFrame.div(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素浮点相除结果（二元运算符 truediv）。
DataFrame.divide(other[, axis, level, ...])	获取 DataFrame 或 Series 与 other 的逐元素浮点相除结果（二元运算符 truediv）。
DataFrame.floordiv(other[, axis, level, ...])	获取 DataFrame 或 Series 与 other 的逐元素整数相除结果（二元运算符 floordiv）。
DataFrame.mod(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素取模结果（二元运算符 mod）。
DataFrame.pow(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素指数结果（二元运算符 pow）。
DataFrame.dot(other[, reflect])	获取 frame 与 other 的点积（二元运算符 dot）。
DataFrame.radd(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素相加结果（二元运算符 radd）。
DataFrame.rsub(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素相减结果（二元运算符 rsub）。
DataFrame.rmul(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素相乘结果（二元运算符 rmul）。
DataFrame.rdiv(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素浮点相除结果（二元运算符 rtruediv）。
DataFrame.rtruediv(other[, axis, level, ...])	获取 DataFrame 或 Series 与 other 的逐元素浮点相除结果（二元运算符 rtruediv）。
DataFrame.rfloordiv(other[, axis, level, ...])	获取 DataFrame 或 Series 与 other 的逐元素整数相除结果（二元运算符 rfloordiv）。
DataFrame.rmod(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素取模结果（二元运算符 rmod）。
DataFrame.rpow(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素指数结果（二元运算符 rpow）。
DataFrame.round([decimals, how])	四舍五入到可变的小数位数。
DataFrame.lt(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素小于结果（二元运算符 lt）。
DataFrame.gt(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素大于结果（二元运算符 gt）。
DataFrame.le(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素小于或等于结果（二元运算符 le）。
DataFrame.ge(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素大于或等于结果（二元运算符 ge）。
DataFrame.ne(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素不等于结果（二元运算符 ne）。
DataFrame.eq(other[, axis, level, fill_value])	获取 DataFrame 或 Series 与 other 的逐元素等于结果（二元运算符 eq）。
DataFrame.product([axis, skipna, ...])	返回 DataFrame 中值的乘积。

函数应用，GroupBy 和 窗口

DataFrame.agg(aggs[, axis])	使用一个或多个操作沿指定轴进行聚合。
DataFrame.apply(func[, axis, raw, ...])	沿 DataFrame 的轴应用函数。
DataFrame.applymap(func[, na_action])	逐元素地将函数应用于 Dataframe。
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, ...)	应用一个行级别的用户定义函数。
DataFrame.groupby([by, axis, level, ...])	使用映射器或通过列的 Series 进行分组。
DataFrame.map(func[, na_action])	逐元素地将函数应用于 Dataframe。
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 Series/DataFrame，其中包含每个元素的绝对数值。
DataFrame.all([axis, bool_only, skipna])	返回 DataFrame 中是否所有元素都为 True。
DataFrame.any([axis, bool_only, skipna])	返回 DataFrame 中是否任何元素为 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])	计算每列或每行中 non-NA 单元格的数量。
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 的累积总和。
DataFrame.describe([percentiles, include, ...])	生成描述性统计信息。
DataFrame.diff([periods, axis])	元素的第一个离散差分。
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 中的最大值。
DataFrame.mean([axis, skipna, numeric_only])	返回请求轴的值的平均值。
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, numeric_only, ...])	返回 DataFrame 中值的乘积。
DataFrame.product([axis, skipna, ...])	返回 DataFrame 中值的乘积。
DataFrame.quantile([q, axis, numeric_only, ...])	返回给定分位数处的值。
DataFrame.rank([axis, method, numeric_only, ...])	计算沿轴的数值数据排名（1 到 n）。
DataFrame.round([decimals, how])	四舍五入到可变的小数位数。
DataFrame.scale()	将值缩放到 float64 中的 [0, 1] 范围
DataFrame.skew([axis, skipna, numeric_only])	返回样本的 Fisher-Pearson 无偏偏度。
DataFrame.sum([axis, skipna, numeric_only, ...])	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])	计算指定轴中不同元素的数量。
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])	为标签添加字符串前缀 prefix。
DataFrame.add_suffix(suffix[, axis])	为标签添加字符串后缀 suffix。
DataFrame.drop([labels, axis, index, ...])	从行或列中删除指定的标签。
DataFrame.drop_duplicates([subset, keep, ...])	返回已删除重复行的 DataFrame。
DataFrame.duplicated([subset, keep])	返回指示重复行的布尔 Series。
DataFrame.equals(other)	测试两个对象是否包含相同的元素。
DataFrame.first(offset)	根据日期偏移量选择时间序列数据的初始周期。
DataFrame.head([n])	返回前 n 行。
DataFrame.last(offset)	根据日期偏移量选择时间序列数据的最终周期。
DataFrame.reindex([labels, index, columns, ...])	使 DataFrame 符合新的索引。
DataFrame.rename([mapper, index, columns, ...])	更改列和索引标签。
DataFrame.reset_index([level, drop, ...])	重置 DataFrame 的索引或其级别。
DataFrame.sample([n, frac, replace, ...])	返回对象轴上的项目随机样本。
DataFrame.searchsorted(values[, side, ...])	查找应该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])	返回包含由 indices 指定的行的新帧。
DataFrame.tile(count)	将行重复 count 次以形成新帧。
DataFrame.truncate([before, after, axis, copy])	截断 Series 或 DataFrame 在某个索引值之前和之后的部分。

缺失数据处理

DataFrame.backfill([value, axis, inplace, limit])	是 Series.fillna() 的同义词，使用 method='bfill'。
DataFrame.bfill([value, axis, inplace, ...])	是 Series.fillna() 的同义词，使用 method='bfill'。
DataFrame.dropna([axis, how, thresh, ...])	从列中删除包含 null 的行（或列）。
DataFrame.ffill([value, axis, inplace, ...])	是 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 null 值。
DataFrame.interpolate([method, axis, limit, ...])	在某些点之间插值数据值。
DataFrame.isna()	识别缺失值。
DataFrame.isnull()	识别缺失值。
DataFrame.nans_to_nulls()	将 nans（如果存在）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])	是 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, ...])	返回可以对 Series 值进行排序的整数索引。
DataFrame.interleave_columns()	将表的 Series 列交叉合并到单个列中。
DataFrame.partition_by_hash(columns, nparts)	根据 columns 中数据的哈希值对 DataFrame 进行分区。
DataFrame.pivot(*, columns[, index, values])	返回根据给定索引和列值组织的重塑 DataFrame。
DataFrame.pivot_table([values, index, ...])	创建一个电子表格风格的透视表作为 DataFrame。
DataFrame.scatter_by_map(map_index[, ...])	分散到 DataFrame 列表中。
DataFrame.sort_values(by[, axis, ascending, ...])	沿任一轴按值排序。
DataFrame.sort_index([axis, level, ...])	按标签（沿轴）对对象进行排序。
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])	交换级别 i 和级别 j。
DataFrame.stack([level, dropna, future_stack])	将指定级别从列堆叠到索引
DataFrame.unstack([level, fill_value, sort])	透视（必然是分层的）索引标签的一个或多个级别。
DataFrame.melt([id_vars, value_vars, ...])	将 DataFrame 从宽格式转换为长格式，可选地保留标识符变量。
DataFrame.explode(column[, ignore_index])	将列表状的每个元素转换为一行，复制索引值。
DataFrame.to_struct([name])	返回由 DataFrame 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)	从关键字参数为 DataFrame 分配列。
DataFrame.join(other[, on, how, lsuffix, ...])	将列与另一个 DataFrame 按索引或键列连接。
DataFrame.merge(right[, how, on, left_on, ...])	通过按列或索引执行数据库风格的连接操作来合并 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。

时间序列相关

DataFrame.shift([periods, freq, axis, ...])	将值移动 periods 个位置。
DataFrame.resample(rule[, axis, closed, ...])	转换给定时间序列数据的频率（“重采样”）。

序列化 / IO / 转换

DataFrame.deserialize(header, frames)	从序列化表示生成对象。
DataFrame.device_deserialize(header, frames)	执行设备侧的解序列化任务。
DataFrame.device_serialize()	序列化与设备内存相关的数据和元数据。
DataFrame.from_arrow(table)	从 PyArrow Table 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, ...])	将结构化或记录型 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)	执行设备侧的解序列化任务。
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 Table。
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 DataFrame 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 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。
DataFrame.to_pylibcudf([copy])	将此 DataFrame 转换为 pylibcudf.Table。
DataFrame.from_pylibcudf(table, metadata)	从 pylibcudf.Table 创建 DataFrame。