Миграция с pandas

# До (pandas)
import pandas as pd

# После (DataStore)
from chdb import datastore as pd

# Все эти варианты работают одинаково
df = pd.read_csv("data.csv")
df = pd.read_parquet("data.parquet")
df = pd.read_json("data.json")
df = pd.read_excel("data.xlsx")

# Булева индексация
df[df['age'] > 25]
df[(df['age'] > 25) & (df['city'] == 'NYC')]

# метод query()
df.query('age > 25 and salary > 50000')

# Выбор столбцов
df['name']
df[['name', 'age']]

# Выбор строк
df.head(10)
df.tail(10)
df.iloc[0:100]

# GroupBy
df.groupby('city')['salary'].mean()
df.groupby(['city', 'dept']).agg({'salary': ['sum', 'mean']})

df.sort_values('salary', ascending=False)
df.sort_values(['city', 'age'])

df['name'].str.upper()
df['name'].str.contains('John')
df['name'].str.len()

df['date'].dt.year
df['date'].dt.month
df['date'].dt.dayofweek

df.to_csv("output.csv")
df.to_parquet("output.parquet")
df.to_json("output.json")

# Выполняется немедленно
result = df[df['age'] > 25]
print(type(result))  # pandas.DataFrame

# Формирует запрос, но не выполняет его
result = ds[ds['age'] > 25]
print(type(result))  # DataStore (ленивый)

# Выполняется, когда нужны данные
print(result)        # Запускает выполнение
df = result.to_df()  # Запускает выполнение

df.drop(columns=['col'], inplace=True)

ds = ds.drop(columns=['col'])  # Присвоить результат

# Это может сработать не так, как ожидается
df == ds  # pandas doesn't know DataStore

# Вместо этого используйте такой вариант
df.equals(ds.to_pandas())

# pandas сохраняет порядок
df = pd.read_csv("data.csv")

# DataStore - используйте sort для гарантированного порядка
ds = pd.read_csv("data.csv")
ds = ds.sort('id')  # Явная сортировка

# pandas
import pandas as pd
df = pd.read_csv("data.csv")
result = df[df['amount'] > 100].groupby('category')['amount'].sum()
result.to_csv("output.csv")

# DataStore — тот же код тоже работает!
from chdb import datastore as pd
df = pd.read_csv("data.csv")
result = df[df['amount'] > 100].groupby('category')['amount'].sum()
result.to_csv("output.csv")

from chdb import datastore as pd

# Быстрые операции DataStore
ds = pd.read_csv("large_data.csv")
ds = ds.filter(ds['date'] >= '2024-01-01')
ds = ds.filter(ds['amount'] > 100)

# Преобразование в pandas для использования специфических возможностей
df = ds.to_df()
df_pivoted = df.pivot_table(...)  # специфично для pandas

from chdb import datastore as pd
import pandas

# Начните с DataStore для быстрой фильтрации
ds = pd.read_csv("huge_file.csv")  # 10 млн строк
ds = ds.filter(ds['year'] == 2024)  # Быстрый SQL-фильтр
ds = ds.select('col1', 'col2', 'col3')  # Оптимизация по столбцам

# Преобразуйте для операций, характерных для pandas
df = ds.to_df()  # Теперь осталось только ~100 тыс. строк
result = df.apply(complex_custom_function)  # pandas

from chdb.datastore.config import config
config.enable_debug()

# Просмотр генерируемого SQL
ds.filter(ds['x'] > 10).explain()

# Плохо: множество мелких выполнений
for i in range(1000):
    result = ds.filter(ds['id'] == i).to_df()

# Хорошо: одно выполнение
result = ds.filter(ds['id'].isin(ids)).to_df()

# Проверка типов
print(ds.dtypes)

# Принудительное преобразование
ds['col'] = ds['col'].astype('int64')

# Оставить оба импорта
import pandas as pd
from chdb import datastore as ds

# Сравнить результаты
pdf = pd.read_csv("data.csv")
dsf = ds.read_csv("data.csv")

# Убедиться, что они совпадают
assert pdf.equals(dsf.to_pandas())

from chdb import datastore as pd

# Позвольте DataStore взять на себя основную работу
ds = pd.read_csv("data.csv")
ds = ds.filter(ds['year'] == 2024)  # SQL

# Преобразование для пользовательской обработки
df = ds.to_df()
result = df.apply(my_custom_function)

from chdb import datastore as ds
import pandas as pd

# DataStore в pandas
df = ds_result.to_pandas()

# pandas в DataStore  
ds = ds.DataFrame(pd_result)

def test_my_function():
    result = my_function()
    expected = pd.DataFrame(...)
    pd.testing.assert_frame_equal(result.to_pandas(), expected)

from chdb import datastore as pd

ds = pd.read_csv("data.csv")
ds.head()  # Красиво отображается в Jupyter