Feature Request: Data Frames

Offen

#151 erstellt am 20.7.2017 6 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Bewertung

Schwierigkeit: 5/5
Geschätzter Aufwand: Über eine Woche
Anfängerfreundlichkeit: 25/100

Issue-Typ: Feature
Klarheit: Muss geklärt werden
Aktivitätsstatus: Veraltet
Tech-Stack: pandas, python
Bereich: data

Rechercherichtung

Es werden keine Dateien oder Tests genannt. Beginne mit der Überprüfung der ArrayFire Python bindings und ihrer vorhandenen Unterstützung für Datenstrukturen und vergleiche sie anschließend mit den angeforderten pandas-Operationen: Header laden und schreiben, Filtern, zeilenweise Funktionen und Sortieren nach Zeitstempeln. Done sollte einen konkreten Umfang dafür ergeben, welche Operationen unterstützt werden, sowie einen vereinbarten Implementierungsplan.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

Hi,
In my use case, I have data sets in parquet/CSV format which I then read into a pandas dataframe for processing.
Before starting to use ArrayFire Python, I would like to know if the following operations are at all supported.

Reading a dataframe, with its headers into an ArrayFire equivalent data structure
Reading a CSV, with its headers into an ArrayFire equivalent data structure
Writing an ArrayFire equivalent data structure into a dataframe, with its headers
Filtering as follows:

X_df['Rx_10G_1G'] = X_df.apply(lambda x: findGE(x['NE_OBJECT']), axis=1)  
def findGE (str_ne):    
    if str_ne.find('10GE-') !=-1:
        return 10000
    if str_ne.find('GE-') !=-1:
        return 1000
    else:
        return 1

Filtering as follows:
X_df=X_df[X_df['Rx_Octets']> 0.0]
x_neg_df=X_df[X_df['RxUtilization_pct']< 0]
Sorting by a time stamp based index:
X_df = X_df.sort_index(by='ReportTime')

Many thanks,

Vorherrschende Sprache: Python
Sterne: 422
Forks: 63
PR-Merge-Kennzahlen: Keine gemergten PRs in 30 T.

Beitragsleitfaden

Für dieses Repository ist kein Beitragsleitfaden indexiert

Erste Schritte

Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
Forken Sie das Repository und arbeiten Sie in einem Branch.
Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus arrayfire/arrayfire-python

[Question] [Feature Request] __matmul__, Internal Type Hinting Offen

Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100

arrayfire/arrayfire-python#271 · Erstellt am 13.6.2025
Unwrap phase function Offen

Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100

arrayfire/arrayfire-python#270 · Erstellt am 17.2.2025
`dtype` parameter, and `from_ndarray` crash Offen

Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 35/100

arrayfire/arrayfire-python#269 · Erstellt am 08.10.2024
af.features.Features crashes when its __del__ method is called Offen

Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 38/100

arrayfire/arrayfire-python#268 · 1 Kommentar · Erstellt am 20.9.2024
OpenCL interoperability does not work on CUDA machine Offen

Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 48/100

arrayfire/arrayfire-python#267 · 1 Kommentar · 1 Reaktion · Erstellt am 22.4.2024

Alle Issues in arrayfire/arrayfire-python