Lib.rs

考拉

该库是什么？

Python 的 pandas 在 Rust 中实现，以实现快速、类型安全的编程。

可用函数和属性

• CSV

  .read_csv(path: &str) -> CSV

  从给定路径读取文件并返回 CSV 结构体

        let mut content = String::new();
        let csv : CSV = dataframe::df::read_csv("test.csv", &mut content); // CSV { headers, values, matrix }
  

  .get_df() -> DataFrame

  从 CSV 结构体返回 DataFrame

         let mut df = csv.get_df(); // DataFrame { columns, dataset, values }
  

• DataFrame

  .columns -> Vec<&str>

  返回包含列名的字符串数组

         df.columns; // ["name","age"]
  

  .dataset -> Vec<Vec<&str>>

  返回数据集矩阵

         df.dataset; // [["bob","30"]
                        ["richard", "25"]]
  

  .values -> Vec<Pair(&str, Vec<&str>)>

  返回包含列名和所有列值的对向量

         df.values; // [("name", ["bob", "richard"]), ("age", ["30", "25])]
  

  .max(column: &str) -> f64

  返回列中所有值中的最大值

         df.max("age"); // 30 as f64
  

  .max(column: &str) -> f64

  返回列中所有值中的最小值

         df.min("age"); // 25 as f64
  

  .mean(column: &str) -> f64

  返回列中所有值的平均值

         df.mean("age"); // 27.5 as f64
  

  .sum(column: &str) -> f64

  返回列中所有非 N/A 值的总和

         df.sum("age"); // 55 as f64
  

  [&str] -> Vec<&str>

  DataFrame 的字符串索引，返回给定列的所有值

         df["age"]; // ["30", "25"]
  

  [usize] -> Vec<&str>

  DataFrame 的 usize 索引，返回给定行以及所有列

         df[0]; // ["bob", "30"]
  

  .iloc(Vec<Range, Range>) -> Vec<Vec<&str>>

  返回给定范围的数据集矩阵切片

         df.iloc([0..2, 0..1].to_vec()); // [["richard"], ["bob"]]
  

  .is_na_col(column: &str) -> bool

  返回 DataFrame 中给定列是否有缺失值

         df.is_na_col("age"); // false
  

  .is_na() -> bool

  返回包含每个值缺失值布尔值的矩阵

         df.is_na(); // [[false, false], [false, false]]
  

  .push(value: Vec<&str>)

  返回包含每个值缺失值布尔值的矩阵

         df.push(["ann", "20"]);
         df.dataset; // [["richard", "30"], ["bob", "25"], ["ann", "20"]]
  

  .pop(value: Vec<&str>) -> Vec<&str>

  返回包含每个值缺失值布尔值的矩阵

        df.pop(); // ["ann", "20"]
        df.pop(); // ["bob", "25"]
        df.dataset; // [["richard", "30"]]
  

  .n_uniques(column: &str) -> usize

  返回包含每个值缺失值布尔值的矩阵

       df.n_uniques("age"); // 2 as usize
  

  .uniques(column: &str) -> Vec<&str>

  返回包含每个值缺失值布尔值的矩阵

      df.uniques("age"); // ["30", "25"]
  

  .apply(column: &str, function: for<'r> fn(&'r str) -> &'a str)

  将闭包函数应用于给定列的每个值

      fn in_my_twenties<'r>(age: &str) -> &'r str { "20" }   
      df.apply("age", in_my_twenties);
      df.dataset; // [["richard", "20"], ["bob", "20"]]
  

  .fillna(column: &str, value: &str)

  将给定的值分配给列中的每个 N/A 值

     df.fillna("age", df.mean("age")); // [["richard", "26"], ["bob", "26"]] given bob had no prior age
  

  .dtypes -> HashMap<&str, &str>

  返回每列的类型

    df.dtypes // {"age": "numeric", "name": "str" }