> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-postgresql-tls-support.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Совместимость DataStore с pandas

> Полный список совместимых с pandas методов DataStore (209 методов DataFrame)

DataStore поддерживает **209 методов pandas DataFrame** для полной совместимости с API. Ваш существующий код на pandas будет работать практически без изменений.

<div id="approach">
  ## Подход к обеспечению совместимости
</div>

```python theme={null}
# Типичная миграция — просто измените импорт
- import pandas as pd
+ from chdb import datastore as pd

# Ваш код работает без изменений
df = pd.read_csv("data.csv")
result = df[df['age'] > 25].groupby('city')['salary'].mean()
```

**Ключевые принципы:**

* Реализованы все 209 методов pandas DataFrame
* Отложенное вычисление для оптимизации SQL
* Автоматическое приведение типов (DataFrame → DataStore, Series → ColumnExpr)
* Неизменяемые операции (без `inplace=True`)

***

<div id="attributes">
  ## Атрибуты и свойства
</div>

| Свойство  | Описание                 | Запускает выполнение |
| --------- | ------------------------ | -------------------- |
| `shape`   | кортеж (строки, столбцы) | Да                   |
| `columns` | Имена столбцов (Index)   | Да                   |
| `dtypes`  | Типы данных столбцов     | Да                   |
| `values`  | массив NumPy             | Да                   |
| `index`   | Индекс строк             | Да                   |
| `size`    | Количество элементов     | Да                   |
| `ndim`    | Число размерностей       | Нет                  |
| `empty`   | Пуст ли DataFrame        | Да                   |
| `T`       | Транспонирование         | Да                   |
| `axes`    | Список осей              | Да                   |

**Примеры:**

```python theme={null}
from chdb import datastore as pd

ds = pd.read_csv("data.csv")

print(ds.shape)      # (1000, 5)
print(ds.columns)    # Index(['name', 'age', 'city', 'salary', 'dept'])
print(ds.dtypes)     # name: object, age: int64, ...
print(ds.empty)      # False
```

***

<div id="indexing">
  ## Индексирование и выбор
</div>

| Метод                  | Описание                         | Пример                               |
| ---------------------- | -------------------------------- | ------------------------------------ |
| `df['col']`            | Выбор столбца                    | `ds['age']`                          |
| `df[['col1', 'col2']]` | Выбор столбцов                   | `ds[['name', 'age']]`                |
| `df[condition]`        | Булево индексирование            | `ds[ds['age'] > 25]`                 |
| `df.loc[...]`          | Доступ по меткам                 | `ds.loc[0:10, 'name']`               |
| `df.iloc[...]`         | Доступ по целочисленным позициям | `ds.iloc[0:10, 0:3]`                 |
| `df.at[...]`           | Одно значение по метке           | `ds.at[0, 'name']`                   |
| `df.iat[...]`          | Одно значение по позиции         | `ds.iat[0, 0]`                       |
| `df.head(n)`           | Первые n строк                   | `ds.head(10)`                        |
| `df.tail(n)`           | Последние n строк                | `ds.tail(10)`                        |
| `df.sample(n)`         | Случайная выборка                | `ds.sample(100)`                     |
| `df.select_dtypes()`   | Выбор по типу данных             | `ds.select_dtypes(include='number')` |
| `df.query()`           | Выражение запроса                | `ds.query('age > 25')`               |
| `df.where()`           | Условная замена                  | `ds.where(ds['age'] > 0, 0)`         |
| `df.mask()`            | Обратное условие                 | `ds.mask(ds['age'] < 0, 0)`          |
| `df.isin()`            | Проверка принадлежности значения | `ds['city'].isin(['NYC', 'LA'])`     |
| `df.get()`             | Безопасный доступ к столбцу      | `ds.get('col', default=None)`        |
| `df.xs()`              | Поперечное сечение               | `ds.xs('key')`                       |
| `df.pop()`             | Удаление столбца                 | `ds.pop('col')`                      |

***

<div id="statistical">
  ## Статистические методы
</div>

| Метод            | Описание                                | Эквивалент SQL  |
| ---------------- | --------------------------------------- | --------------- |
| `mean()`         | Среднее значение                        | `AVG()`         |
| `median()`       | Медиана                                 | `MEDIAN()`      |
| `mode()`         | Мода                                    | -               |
| `std()`          | Стандартное отклонение                  | `STDDEV()`      |
| `var()`          | Дисперсия                               | `VAR()`         |
| `min()`          | Минимум                                 | `MIN()`         |
| `max()`          | Максимум                                | `MAX()`         |
| `sum()`          | Сумма                                   | `SUM()`         |
| `prod()`         | Произведение                            | -               |
| `count()`        | Количество значений, отличных от `NULL` | `COUNT()`       |
| `nunique()`      | Количество уникальных значений          | `UNIQ()`        |
| `value_counts()` | Частота значений                        | `GROUP BY`      |
| `quantile()`     | Квантиль                                | `QUANTILE()`    |
| `describe()`     | Сводная статистика                      | -               |
| `corr()`         | Матрица корреляции                      | `CORR()`        |
| `cov()`          | Матрица ковариации                      | `COV()`         |
| `corrwith()`     | Попарная корреляция                     | -               |
| `rank()`         | Ранжирование значений                   | `RANK()`        |
| `abs()`          | Абсолютные значения                     | `ABS()`         |
| `round()`        | Округление значений                     | `ROUND()`       |
| `clip()`         | Ограничение значений                    | -               |
| `cumsum()`       | Накопительная сумма                     | Оконная функция |
| `cumprod()`      | Накопительное произведение              | Оконная функция |
| `cummin()`       | Накопительный минимум                   | Оконная функция |
| `cummax()`       | Накопительный максимум                  | Оконная функция |
| `diff()`         | Разность                                | Оконная функция |
| `pct_change()`   | Процентное изменение                    | Оконная функция |
| `skew()`         | Асимметрия                              | `SKEW()`        |
| `kurt()`         | Эксцесс                                 | `KURT()`        |
| `sem()`          | Стандартная ошибка                      | -               |
| `all()`          | Все значения true                       | -               |
| `any()`          | Хотя бы одно значение true              | -               |
| `idxmin()`       | Индекс минимума                         | -               |
| `idxmax()`       | Индекс максимума                        | -               |

**Примеры:**

```python theme={null}
ds = pd.read_csv("data.csv")

# Основная статистика
print(ds['salary'].mean())
print(ds['age'].std())
print(ds.describe())

# Групповая статистика
print(ds.groupby('department')['salary'].mean())
print(ds.groupby('city').agg({'salary': ['mean', 'std'], 'age': 'count'}))
```

***

<div id="manipulation">
  ## Манипуляции с данными
</div>

| Метод               | Описание                       |
| ------------------- | ------------------------------ |
| `drop()`            | Удалить строки/столбцы         |
| `drop_duplicates()` | Удалить дубликаты              |
| `duplicated()`      | Пометить дубликаты             |
| `dropna()`          | Удалить пропущенные значения   |
| `fillna()`          | Заполнить пропущенные значения |
| `ffill()`           | Заполнение вперёд              |
| `bfill()`           | Заполнение назад               |
| `interpolate()`     | Интерполировать значения       |
| `replace()`         | Заменить значения              |
| `rename()`          | Переименовать столбцы/индекс   |
| `rename_axis()`     | Переименовать ось              |
| `assign()`          | Добавить новые столбцы         |
| `astype()`          | Преобразовать типы             |
| `convert_dtypes()`  | Определить типы                |
| `copy()`            | Скопировать DataFrame          |

**Примеры:**

```python theme={null}
ds = pd.read_csv("data.csv")

# Операции удаления
result = ds.drop(columns=['unused_col'])
result = ds.drop_duplicates(subset=['user_id'])
result = ds.dropna(subset=['email'])

# Операции заполнения
result = ds.fillna(0)
result = ds.fillna({'age': 0, 'name': 'Unknown'})

# Операции преобразования
result = ds.rename(columns={'old_name': 'new_name'})
result = ds.assign(
    full_name=lambda x: x['first_name'] + ' ' + x['last_name'],
    age_group=lambda x: pd.cut(x['age'], bins=[0, 25, 50, 100])
)
```

***

<div id="sorting">
  ## Сортировка и ранжирование
</div>

| Метод           | Описание                |
| --------------- | ----------------------- |
| `sort_values()` | Сортировка по значениям |
| `sort_index()`  | Сортировка по индексу   |
| `nlargest()`    | N наибольших значений   |
| `nsmallest()`   | N наименьших значений   |

**Примеры:**

```python theme={null}
# Сортировка по одному столбцу
result = ds.sort_values('salary', ascending=False)

# Сортировка по нескольким столбцам
result = ds.sort_values(['department', 'salary'], ascending=[True, False])

# Получить N наибольших/наименьших значений
result = ds.nlargest(10, 'salary')
result = ds.nsmallest(5, 'age')
```

***

<div id="reshaping">
  ## Преобразование формы данных
</div>

| Метод               | Описание                                     |
| ------------------- | -------------------------------------------- |
| `pivot()`           | Сводная таблица                              |
| `pivot_table()`     | Сводная таблица с агрегацией                 |
| `melt()`            | Преобразование из широкого формата в длинный |
| `stack()`           | Преобразование столбцов в индекс             |
| `unstack()`         | Преобразование индекса в столбцы             |
| `transpose()` / `T` | Транспонирование                             |
| `explode()`         | Преобразование списков в строки              |
| `squeeze()`         | Уменьшение размерности                       |
| `droplevel()`       | Удаление уровня индекса                      |
| `swaplevel()`       | Перестановка уровней индекса                 |
| `reorder_levels()`  | Изменение порядка уровней                    |

**Примеры:**

```python theme={null}
# Сводная таблица
result = ds.pivot_table(
    values='amount',
    index='region',
    columns='product',
    aggfunc='sum'
)

# Melt (обратное преобразование сводной таблицы)
result = ds.melt(
    id_vars=['name'],
    value_vars=['score1', 'score2', 'score3'],
    var_name='test',
    value_name='score'
)

# Развернуть массивы
result = ds.explode('tags')
```

***

<div id="combining">
  ## Комбинирование / JOIN
</div>

| Method            | Description                   |
| ----------------- | ----------------------------- |
| `merge()`         | Слияние в стиле SQL           |
| `join()`          | JOIN по индексу               |
| `concat()`        | Конкатенация                  |
| `append()`        | Добавление строк              |
| `combine()`       | Объединение с помощью функции |
| `combine_first()` | Объединение с приоритетом     |
| `update()`        | Обновление значений           |
| `compare()`       | Показать различия             |

**Примеры:**

```python theme={null}
# Слияние (JOIN)
result = pd.merge(df1, df2, on='id', how='left')
result = df1.join(df2, on='id')

# Конкатенация
result = pd.concat([df1, df2, df3])
result = pd.concat([df1, df2], axis=1)
```

***

<div id="binary">
  ## Бинарные операции
</div>

| Метод                        | Описание              |
| ---------------------------- | --------------------- |
| `add()` / `radd()`           | Сложение              |
| `sub()` / `rsub()`           | Вычитание             |
| `mul()` / `rmul()`           | Умножение             |
| `div()` / `rdiv()`           | Деление               |
| `truediv()` / `rtruediv()`   | Истинное деление      |
| `floordiv()` / `rfloordiv()` | Целочисленное деление |
| `mod()` / `rmod()`           | Остаток от деления    |
| `pow()` / `rpow()`           | Возведение в степень  |
| `dot()`                      | Матричное умножение   |

**Примеры:**

```python theme={null}
# Арифметические операции
result = ds['col1'].add(ds['col2'])
result = ds['price'].mul(ds['quantity'])

# С fill_value для отсутствующих данных
result = ds['col1'].add(ds['col2'], fill_value=0)
```

***

<div id="comparison">
  ## Операции сравнения
</div>

| Метод       | Описание              |
| ----------- | --------------------- |
| `eq()`      | Равно                 |
| `ne()`      | Не равно              |
| `lt()`      | Меньше                |
| `le()`      | Меньше или равно      |
| `gt()`      | Больше                |
| `ge()`      | Больше или равно      |
| `equals()`  | Проверка на равенство |
| `compare()` | Показывает различия   |

***

<div id="application">
  ## Применение функций
</div>

| Method                  | Description             |
| ----------------------- | ----------------------- |
| `apply()`               | Применение функции      |
| `applymap()`            | Поэлементное применение |
| `map()`                 | Отображение значений    |
| `agg()` / `aggregate()` | Агрегация               |
| `transform()`           | Преобразование          |
| `pipe()`                | Объединение функций     |
| `groupby()`             | Группировка по          |

**Примеры:**

```python theme={null}
# Применить функцию
result = ds['name'].apply(lambda x: x.upper())
result = ds.apply(lambda row: row['a'] + row['b'], axis=1)

# Агрегация
result = ds.agg({'col1': 'sum', 'col2': 'mean'})
result = ds.agg(['sum', 'mean', 'std'])

# Пайп
result = (ds
    .pipe(filter_active)
    .pipe(calculate_metrics)
    .pipe(format_output)
)
```

***

<div id="timeseries">
  ## Временные ряды
</div>

| Метод                | Описание                          |
| -------------------- | --------------------------------- |
| `rolling()`          | Скользящее окно                   |
| `expanding()`        | Нарастающее окно                  |
| `ewm()`              | Экспоненциальное взвешивание      |
| `resample()`         | Передискретизация временного ряда |
| `shift()`            | Сдвиг значений                    |
| `asfreq()`           | Преобразование частоты            |
| `asof()`             | Последнее значение на момент      |
| `at_time()`          | Выбор по времени                  |
| `between_time()`     | Выбор временного диапазона        |
| `first()` / `last()` | Первые/последние периоды          |
| `to_period()`        | Преобразование в период           |
| `to_timestamp()`     | Преобразование во временную метку |
| `tz_convert()`       | Смена часового пояса              |
| `tz_localize()`      | Назначение часового пояса         |

**Примеры:**

```python theme={null}
# Скользящее окно
result = ds['value'].rolling(window=7).mean()

# Расширяющееся окно
result = ds['value'].expanding().sum()

# Сдвиг
result = ds['value'].shift(1)  # Лаг
result = ds['value'].shift(-1)  # Опережение
```

***

<div id="missing">
  ## Отсутствующие данные
</div>

| Метод                   | Описание                          |
| ----------------------- | --------------------------------- |
| `isna()` / `isnull()`   | Определить отсутствующие значения |
| `notna()` / `notnull()` | Определить непустые значения      |
| `dropna()`              | Удалить отсутствующие значения    |
| `fillna()`              | Заполнить отсутствующие значения  |
| `ffill()`               | Заполнение вперёд                 |
| `bfill()`               | Заполнение назад                  |
| `interpolate()`         | Интерполяция                      |
| `replace()`             | Заменить значения                 |

***

<div id="io">
  ## Методы I/O
</div>

| Метод            | Описание                  |
| ---------------- | ------------------------- |
| `to_csv()`       | Экспорт в CSV             |
| `to_json()`      | Экспорт в JSON            |
| `to_excel()`     | Экспорт в Excel           |
| `to_parquet()`   | Экспорт в Parquet         |
| `to_feather()`   | Экспорт в Feather         |
| `to_sql()`       | Экспорт в SQL-базу данных |
| `to_pickle()`    | Pickle                    |
| `to_html()`      | HTML-таблица              |
| `to_latex()`     | Таблица LaTeX             |
| `to_markdown()`  | Таблица Markdown          |
| `to_string()`    | Строковое представление   |
| `to_dict()`      | Словарь                   |
| `to_records()`   | Записи                    |
| `to_numpy()`     | Массив NumPy              |
| `to_clipboard()` | Буфер обмена              |

См. [Операции I/O](/ru/products/chdb/datastore/io) для подробной документации.

***

<div id="iteration">
  ## Итерация
</div>

| Метод          | Описание                             |
| -------------- | ------------------------------------ |
| `items()`      | Итерация по парам (столбец, Series)  |
| `iterrows()`   | Итерация по парам (индекс, Series)   |
| `itertuples()` | Итерация в виде именованных кортежей |

***

<div id="differences">
  ## Основные отличия от Pandas
</div>

<div id="return-types">
  ### 1. Типы возвращаемых значений
</div>

```python theme={null}
# Pandas возвращает Series
pdf['col']  # → pd.Series

# DataStore возвращает ColumnExpr (отложенное вычисление)
ds['col']   # → ColumnExpr
```

<div id="lazy-execution">
  ### 2. Ленивое выполнение
</div>

```python theme={null}
# Операции DataStore выполняются отложенно
result = ds.filter(ds['age'] > 25)  # Пока не выполняется
df = result.to_df()  # Выполняется здесь
```

<div id="no-inplace-parameter">
  ### 3. Параметр inplace отсутствует
</div>

```python theme={null}
# Pandas
df.drop(columns=['col'], inplace=True)

# DataStore (всегда возвращает новый объект)
ds = ds.drop(columns=['col'])
```

<div id="comparing-results">
  ### 4. Сравнение результатов
</div>

```python theme={null}
# Используйте to_pandas() для сравнения
pd.testing.assert_frame_equal(
    ds.to_pandas(),
    expected_df
)
```

См. [Основные различия](/ru/products/chdb/guides/pandas-differences) для получения полной информации.