索引对象

Index

其中许多方法或其变体可在包含索引的对象（Series/DataFrame）上使用，在直接调用这些方法之前，最有可能应使用这些对象上的方法。

cudf.Index(data, *args, **kwargs)

用于索引和对齐的不可变序列。

属性

Index.dtype	Index 中底层值的 dtype。
Index.duplicated([keep])	指示重复的索引值。
Index.empty
Index.has_duplicates
Index.hasnans	如果存在任何 NaNs 或 nulls，则返回 True。
Index.is_monotonic_increasing	如果对象中的值单调递增，则返回布尔值。
Index.is_monotonic_decreasing	如果对象中的值单调递减，则返回布尔值。
Index.is_unique	如果对象中的值是唯一的，则返回布尔值。
Index.name	获取此对象的名称。
Index.names	返回包含 Index 名称的 FrozenList。
Index.ndim	底层数据的维度数，根据定义为 1。
Index.nlevels	层级数。
Index.shape	获取表示 Index 维度的元组。
Index.size	返回底层数据中的元素数量。
Index.values	返回 DataFrame 的 CuPy 表示。

修改与计算

Index.all([axis, skipna])	返回 DataFrame 中是否所有元素都为 True。
Index.any()	返回 DataFrame 中是否有任何元素为 True。
Index.copy([name, deep])	创建此对象的副本。
Index.drop_duplicates([keep, nulls_are_equal])	删除索引中的重复行。
Index.equals(other)	测试两个对象是否包含相同的元素。
Index.factorize([sort, use_na_sentinel])	将输入值编码为整数标签。
Index.is_boolean()	检查 Index 是否仅由布尔值组成。
Index.is_categorical()	检查 Index 是否包含分类数据。
Index.is_floating()	检查 Index 是否为浮点类型。
Index.is_integer()	检查 Index 是否仅由整数组成。
Index.is_interval()	检查 Index 是否包含 Interval 对象。
Index.is_numeric()	检查 Index 是否仅由数值数据组成。
Index.is_object()	检查 Index 是否为 object dtype。
Index.min([axis, skipna, numeric_only])	返回 DataFrame 中值的最小值。
Index.max([axis, skipna, numeric_only])	返回 DataFrame 中值的最大值。
Index.rename(name[, inplace])	修改 Index 名称。
Index.repeat(repeats[, axis])	重复 Index 的元素。
Index.where(cond[, other, inplace])	替换条件为 False 的位置的值。
Index.take(indices[, axis, allow_fill, ...])	返回包含由 indices 指定的行的新索引
Index.unique([level])	返回索引中的唯一值。
Index.nunique([dropna])	返回列中唯一值的计数。

与 MultiIndex 的兼容性

Index.set_names(names[, level, inplace])

设置 Index 或 MultiIndex 的名称。

缺失值

Index.fillna([value, method, axis, inplace, ...])	使用 value 或指定 method 填充 null 值。
Index.dropna([how])	从 Index 中删除 null 行。
Index.isna()	识别缺失值。
Index.isnull()	识别缺失值。
Index.notna()	识别非缺失值。
Index.notnull()	识别非缺失值。

内存使用

Index.memory_usage([deep])

返回对象的内存使用。

转换

Index.astype(dtype[, copy])	创建一个将值转换为指定 dtype 的 Index。
Index.deserialize(header, frames)	从序列化表示生成对象。
Index.device_deserialize(header, frames)	执行设备端反序列化任务。
Index.device_serialize()	序列化与设备内存相关的数据和元数据。
Index.host_deserialize(header, frames)	执行设备端反序列化任务。
Index.host_serialize()	序列化与主机内存相关的数据和元数据。
Index.serialize()	生成对象的等效可序列化表示。
Index.tolist()
Index.to_arrow()	转换为 PyArrow Array。
Index.to_cupy([dtype, copy, na_value])	将 Frame 转换为 CuPy 数组。
Index.to_list()
Index.to_numpy([dtype, copy, na_value])	将 Frame 转换为 NumPy 数组。
Index.to_series([index, name])	创建一个 Series，其索引和值都等于索引键。
Index.to_frame([index, name])	创建一个包含此 Index 作为列的 DataFrame
Index.to_pandas(*[, nullable, arrow_type])	转换为 Pandas Index。
Index.to_dlpack()	将 cuDF 对象转换为 DLPack tensor。
Index.from_pandas(index[, nan_as_null])	从 Pandas Index 转换。
Index.from_arrow(obj)	从 PyArrow Array/ChunkedArray 创建。

排序

Index.argsort([axis, kind, order, ...])	返回可用于对索引进行排序的整数索引。
Index.find_label_range(loc)	将基于标签的切片转换为基于索引的切片
Index.searchsorted(values[, side, sorter, ...])	查找应插入元素以保持顺序的索引
Index.sort_values([return_indexer, ...])	返回索引的排序副本，并可选择返回对索引本身进行排序的索引。

时间特定操作

Index.shift([periods, freq])

尚未实现

组合 / 连接 / 集合操作

Index.append(other)	将 Index 对象集合追加在一起。
Index.union(other[, sort])	形成两个 Index 对象的并集。
Index.intersection(other[, sort])	形成两个 Index 对象的交集。
Index.join(other[, how, level, ...])	计算 join_index 和索引器，使数据结构符合新索引。
Index.difference(other[, sort])	返回一个新 Index，其中包含索引中不在 other 中的元素。

选择

Index.get_indexer(target[, method, limit, ...])	给定当前索引，计算新索引的索引器和掩码。
Index.get_level_values(level)	返回请求层级的值的 Index。
Index.get_loc(key)	获取请求标签的整数位置、切片或布尔掩码。
Index.get_slice_bound(label, side)	计算与给定标签对应的切片边界。
Index.isin(values[, level])	返回一个布尔数组，其中索引值在 values 中。

字符串操作

Index.str

用于 Series 和 Index 的向量化字符串函数。

数值索引

RangeIndex(start[, stop, step, dtype, copy, ...])	实现单调整数范围的不可变 Index。
RangeIndex.start	start 参数的值（如果未提供则为 0）。
RangeIndex.stop	stop 参数的值。
RangeIndex.step	step 参数的值。
RangeIndex.to_numpy()	转换为 numpy 数组。
RangeIndex.to_arrow()	转换为合适的 Arrow 对象。

CategoricalIndex

CategoricalIndex(data, *args, **kwargs)

表示另一个 Column 索引的可排序值分类

分类组件

CategoricalIndex.codes	此分类的类别代码。
CategoricalIndex.categories	此分类的类别。

修改与计算

CategoricalIndex.equals(other)

测试两个对象是否包含相同的元素。

IntervalIndex

IntervalIndex(data, *args, **kwargs)

间隔的不可变索引，间隔在同一侧闭合。

IntervalIndex 组件

IntervalIndex.from_breaks(breaks[, closed, ...])	从分割数组构造 IntervalIndex。
IntervalIndex.values	返回 DataFrame 的 CuPy 表示。
IntervalIndex.get_indexer(target[, method, ...])	给定当前索引，计算新索引的索引器和掩码。
IntervalIndex.get_loc(key)	获取请求标签的整数位置、切片或布尔掩码。

MultiIndex

MultiIndex([levels, codes, sortorder, ...])

多层或分层索引。

MultiIndex 构造函数

MultiIndex.from_arrays(arrays[, sortorder, ...])	将数组转换为 MultiIndex。
MultiIndex.from_tuples(tuples[, sortorder, ...])	将元组列表转换为 MultiIndex。
MultiIndex.from_product(iterables[, ...])	从多个可迭代对象的笛卡尔积生成 MultiIndex。
MultiIndex.from_frame(df[, sortorder, names])	从 DataFrame 生成 MultiIndex。
MultiIndex.from_arrow(data)	从 PyArrow Table 转换为 Frame

MultiIndex 属性

MultiIndex.names	返回包含 Index 名称的 FrozenList。
MultiIndex.levels	返回 MultiIndex 中的层级列表
MultiIndex.codes	返回底层 MultiIndex 的代码。
MultiIndex.nlevels	此 MultiIndex 中的整数层级数。

MultiIndex 组件

MultiIndex.to_frame([index, name, ...])	创建一个 DataFrame，其列为 MultiIndex 的层级。
MultiIndex.droplevel([level])	从 MultiIndex 中移除指定层级。
MultiIndex.swaplevel([i, j])	交换层级 i 与层级 j。

MultiIndex 选择

MultiIndex.get_indexer(target[, method, ...])	给定当前索引，计算新索引的索引器和掩码。
MultiIndex.get_loc(key)	获取请求标签的整数位置、切片或布尔掩码。
MultiIndex.get_level_values(level)	返回请求层级的值

DatetimeIndex

DatetimeIndex(data, *args, **kwargs)

datetime64 数据的不可变、有序且可切片序列，内部表示为 int64。

时间/日期组件

DatetimeIndex.year	日期的年份。
DatetimeIndex.month	月份，1 月为 1，12 月为 12。
DatetimeIndex.day	日期的天。
DatetimeIndex.hour	日期的小时。
DatetimeIndex.minute	日期的分钟。
DatetimeIndex.second	日期的秒。
DatetimeIndex.microsecond	日期的微秒。
DatetimeIndex.nanosecond	日期的纳秒。
DatetimeIndex.day_of_year	一年中的天数，非闰年从 1-365，闰年从 1-366。
DatetimeIndex.dayofyear	一年中的天数，非闰年从 1-365，闰年从 1-366。
DatetimeIndex.dayofweek	一周中的天数，周一为 0，周日为 6。
DatetimeIndex.weekday	一周中的天数，周一为 0，周日为 6。
DatetimeIndex.quarter	指示日期属于一年中哪个季度的整数指标。
DatetimeIndex.is_leap_year	指示日期是否属于闰年的布尔指标。
DatetimeIndex.isocalendar()	返回一个 DataFrame，其中包含根据 ISO 8601 标准计算的年份、周和天。

时间特定操作

DatetimeIndex.round(freq)	对数据执行 round 操作到指定的 freq。
DatetimeIndex.ceil(freq)	对数据执行 ceil 操作到指定的 freq。
DatetimeIndex.floor(freq)	对数据执行 floor 操作到指定的 freq。
DatetimeIndex.tz_convert(tz)	将 tz-aware 日期时间从一个时区转换为另一个时区。
DatetimeIndex.tz_localize(tz[, ambiguous, ...])	将时区 naive 数据本地化为时区 aware 数据。

转换

DatetimeIndex.to_series([index, name])	创建一个 Series，其索引和值都等于索引键。
DatetimeIndex.to_frame([index, name])	创建一个包含此 Index 作为列的 DataFrame

TimedeltaIndex

TimedeltaIndex(data, *args, **kwargs)

timedelta64 数据的不可变、有序且可切片序列，内部表示为 int64。

组件

TimedeltaIndex.days	每个元素的日数。
TimedeltaIndex.seconds	每个元素的秒数（>= 0 且小于 1 天）。
TimedeltaIndex.microseconds	每个元素的微秒数（>= 0 且小于 1 秒）。
TimedeltaIndex.nanoseconds	每个元素的纳秒数（>= 0 且小于 1 微秒）。
TimedeltaIndex.components	返回一个 DataFrame，其中包含 Timedeltas 的组件（天、小时、分钟、秒、毫秒、微秒、纳秒）。
TimedeltaIndex.inferred_freq	推断 TimedeltaIndex 的频率。

转换

TimedeltaIndex.to_series([index, name])	创建一个 Series，其索引和值都等于索引键。
TimedeltaIndex.to_frame([index, name])	创建一个包含此 Index 作为列的 DataFrame