Feature Request: Data Frames

Abierto
#151 6 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
25/100
Tipo de issue
Nueva funcionalidad
Claridad
Necesita aclaración
Estado de actividad
Estancado
Stack tecnológico
pandas, python
Área
data

Línea de trabajo

No se nombran archivos ni pruebas. Empieza revisando los ArrayFire Python bindings y su compatibilidad existente con estructuras de datos; después, compárala con las operaciones de pandas solicitadas: cargar y escribir headers, filtrado, funciones por fila y ordenación por timestamps. Done debe concretar qué operaciones son compatibles y establecer un plan de implementación acordado.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

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.

  1. Reading a dataframe, with its headers into an ArrayFire equivalent data structure
  2. Reading a CSV, with its headers into an ArrayFire equivalent data structure
  3. Writing an ArrayFire equivalent data structure into a dataframe, with its headers
  4. 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

  1. Filtering as follows:
    X_df=X_df[X_df['Rx_Octets']> 0.0]
    x_neg_df=X_df[X_df['RxUtilization_pct']< 0]

  2. Sorting by a time stamp based index:
    X_df = X_df.sort_index(by='ReportTime')

Many thanks,

Lenguaje dominante
Python
Estrellas
422
Forks
63
Sin PR fusionados en 30 d

Guía de contribución

No hay ninguna guía de contribución indexada para este repositorio

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de arrayfire/arrayfire-python

Todos los issues de arrayfire/arrayfire-python

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.