> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-parallel-read-in-order-multi-part.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Referência da classe DataStore

> Referência completa da API para as classes DataStore, ColumnExpr, LazyGroupBy e LazySeries

Esta referência documenta as principais classes da API do DataStore.

<div id="datastore">
  ## DataStore
</div>

A principal classe, semelhante a um DataFrame, para manipulação de dados.

```python theme={null}
from chdb.datastore import DataStore
```

<div id="datastore-constructor">
  ### Construtor
</div>

```python theme={null}
DataStore(data=None, columns=None, index=None, dtype=None, copy=None)
```

**Parâmetros:**

| Parâmetro | Tipo | Descrição |
| - | - | - |
| `data` | dict/list/DataFrame/DataStore | Dados de entrada |
| `columns` | list | Nomes das colunas |
| `index` | Index | Índice da linha |
| `dtype` | dict | Tipos de dados das colunas |
| `copy` | bool | Cópia dos dados |

**Exemplos:**

```python theme={null}
# From dictionary
ds = DataStore({'a': [1, 2, 3], 'b': ['x', 'y', 'z']})

# From pandas DataFrame
import pandas as pd
ds = DataStore(pd.DataFrame({'a': [1, 2, 3]}))

# Empty DataStore
ds = DataStore()
```

<div id="datastore-properties">
  ### Propriedades
</div>

| Propriedade | Tipo | Descrição |
| - | - | - |
| `columns` | Index | Nomes das colunas |
| `dtypes` | Series | Tipos de dados das colunas |
| `shape` | tuple | (linhas, colunas) |
| `size` | int | Total de elementos |
| `ndim` | int | Número de dimensões (2) |
| `empty` | bool | Indica se o DataFrame está vazio |
| `values` | ndarray | Dados subjacentes em um array NumPy |
| `index` | Index | Índice das linhas |
| `T` | DataStore | Transposição |
| `axes` | list | Lista de eixos |

<div id="datastore-factory">
  ### Métodos de fábrica
</div>

| Método | Descrição |
| - | - |
| `uri(uri)` | Método de fábrica universal a partir de URI |
| `from_file(path, ...)` | Cria a partir de arquivo |
| `from_df(df)` | Cria a partir de DataFrame do pandas |
| `from_s3(url, ...)` | Cria a partir de S3 |
| `from_gcs(url, ...)` | Cria a partir de Google Cloud Storage |
| `from_azure(url, ...)` | Cria a partir de Blob do Azure |
| `from_mysql(...)` | Cria a partir de MySQL |
| `from_postgresql(...)` | Cria a partir de PostgreSQL |
| `from_clickhouse(...)` | Cria a partir de ClickHouse |
| `from_mongodb(...)` | Cria a partir de MongoDB |
| `from_sqlite(...)` | Cria a partir de SQLite |
| `from_iceberg(path)` | Cria a partir de tabela Iceberg |
| `from_delta(path)` | Cria a partir de Delta Lake |
| `from_numbers(n)` | Cria com números sequenciais |
| `from_random(rows, cols)` | Cria com dados aleatórios |
| `run_sql(query)` | Cria a partir de consulta SQL |

Consulte [Métodos de fábrica](/pt-BR/chdb/datastore/factory-methods) para detalhes.

<div id="datastore-query">
  ### Métodos de consulta
</div>

| Método | Retorna | Descrição |
| - | - | - |
| `select(*cols)` | DataStore | Seleciona colunas |
| `filter(condition)` | DataStore | Filtra linhas |
| `where(condition)` | DataStore | Alias para filter |
| `sort(*cols, ascending=True)` | DataStore | Ordena linhas |
| `orderby(*cols)` | DataStore | Alias para sort |
| `limit(n)` | DataStore | Limita linhas |
| `offset(n)` | DataStore | Ignora linhas |
| `distinct(subset=None)` | DataStore | Remove duplicatas |
| `groupby(*cols)` | LazyGroupBy | Agrupa linhas |
| `having(condition)` | DataStore | Filtra grupos |
| `join(right, ...)` | DataStore | Faz join entre DataStores |
| `union(other, all=False)` | DataStore | Combina DataStores |
| `when(cond, val)` | CaseWhen | CASE WHEN |

Consulte [Construção de consultas](/pt-BR/chdb/datastore/query-building) para mais detalhes.

<div id="datastore-pandas">
  ### Métodos compatíveis com pandas
</div>

Consulte [Compatibilidade com pandas](/pt-BR/chdb/datastore/pandas-compat) para obter a lista completa de 209 métodos.

**Indexação:**
`head()`, `tail()`, `sample()`, `loc`, `iloc`, `at`, `iat`, `query()`, `isin()`, `where()`, `mask()`, `get()`, `xs()`, `pop()`

**Agregação:**
`sum()`, `mean()`, `std()`, `var()`, `min()`, `max()`, `median()`, `count()`, `nunique()`, `quantile()`, `describe()`, `corr()`, `cov()`, `skew()`, `kurt()`

**Manipulação:**
`drop()`, `drop_duplicates()`, `dropna()`, `fillna()`, `replace()`, `rename()`, `assign()`, `astype()`, `copy()`

**Ordenação:**
`sort_values()`, `sort_index()`, `nlargest()`, `nsmallest()`, `rank()`

**Remodelagem:**
`pivot()`, `pivot_table()`, `melt()`, `stack()`, `unstack()`, `transpose()`, `explode()`, `squeeze()`

**Combinação:**
`merge()`, `join()`, `concat()`, `append()`, `combine()`, `update()`, `compare()`

**Aplicação/Transformação:**
`apply()`, `applymap()`, `map()`, `agg()`, `transform()`, `pipe()`, `groupby()`

**Séries temporais:**
`rolling()`, `expanding()`, `ewm()`, `shift()`, `diff()`, `pct_change()`, `resample()`

<div id="datastore-io">
  ### Métodos de E/S
</div>

| Método | Descrição |
| - | - |
| `to_csv(path, ...)` | Exportar para CSV |
| `to_parquet(path, ...)` | Exportar para Parquet |
| `to_json(path, ...)` | Exportar para JSON |
| `to_excel(path, ...)` | Exportar para Excel |
| `to_df()` | Converter para DataFrame do pandas |
| `to_pandas()` | Alias de `to_df()` |
| `to_arrow()` | Converter para tabela Arrow |
| `to_dict(orient)` | Converter para dicionário |
| `to_records()` | Converter para registros |
| `to_numpy()` | Converter para array NumPy |
| `to_sql()` | Gerar string SQL |
| `to_string()` | Representação em string |
| `to_markdown()` | Tabela Markdown |
| `to_html()` | Tabela HTML |

Consulte [Operações de E/S](/pt-BR/chdb/datastore/io) para mais detalhes.

<div id="datastore-debug">
  ### Métodos de depuração
</div>

| Método | Descrição |
| - | - |
| `explain(verbose=False)` | Exibe o Plano de Execução |
| `clear_cache()` | Limpa os resultados em cache |

Consulte [Depuração](/pt-BR/chdb/debugging/index) para mais detalhes.

<div id="datastore-magic">
  ### Métodos mágicos
</div>

| Método | Descrição | |
| - | - | - |
| `__getitem__(key)` | `ds['col']`, `ds[['a', 'b']]`, `ds[condition]` | |
| `__setitem__(key, value)` | `ds['col'] = value` | |
| `__delitem__(key)` | `del ds['col']` | |
| `__len__()` | `len(ds)` | |
| `__iter__()` | `for col in ds` | |
| `__contains__(key)` | `'col' in ds` | |
| `__repr__()` | `repr(ds)` | |
| `__str__()` | `str(ds)` | |
| `__eq__(other)` | `ds == other` | |
| `__ne__(other)` | `ds != other` | |
| `__lt__(other)` | `ds < other` | |
| `__le__(other)` | `ds <= other` | |
| `__gt__(other)` | `ds > other` | |
| `__ge__(other)` | `ds >= other` | |
| `__add__(other)` | `ds + other` | |
| `__sub__(other)` | `ds - other` | |
| `__mul__(other)` | `ds * other` | |
| `__truediv__(other)` | `ds / other` | |
| `__floordiv__(other)` | `ds // other` | |
| `__mod__(other)` | `ds % other` | |
| `__pow__(other)` | `ds ** other` | |
| `__and__(other)` | `ds & other` | |
| `__or__(other)` | \`ds | other\` |
| `__invert__()` | `~ds` | |
| `__neg__()` | `-ds` | |
| `__pos__()` | `+ds` | |
| `__abs__()` | `abs(ds)` | |

***

<div id="columnexpr">
  ## ColumnExpr
</div>

Representa uma expressão de coluna para avaliação lazy. É retornado ao acessar uma coluna.

```python theme={null}
# ColumnExpr is returned automatically
col = ds['name']  # Returns ColumnExpr
```

<div id="datastore-properties">
  ### Propriedades
</div>

| Propriedade | Tipo | Descrição |
| - | - | - |
| `name` | str | Nome da coluna |
| `dtype` | dtype | Tipo de dado |

<div id="columnexpr-accessors">
  ### Acessores
</div>

| Acessor | Descrição | Métodos |
| - | - | - |
| `.str` | Operações com strings | 56 métodos |
| `.dt` | Operações de DateTime | 42+ métodos |
| `.arr` | Operações com Array | 37 métodos |
| `.json` | Análise de JSON | 13 métodos |
| `.url` | Análise de URL | 15 métodos |
| `.ip` | Operações com endereços IP | 9 métodos |
| `.geo` | Operações de Geo/distância | 14 métodos |

Consulte [Acessores](/pt-BR/chdb/datastore/accessors) para a documentação completa.

<div id="columnexpr-arithmetic">
  ### Operações aritméticas
</div>

```python theme={null}
ds['total'] = ds['price'] * ds['quantity']
ds['profit'] = ds['revenue'] - ds['cost']
ds['ratio'] = ds['a'] / ds['b']
ds['squared'] = ds['value'] ** 2
ds['remainder'] = ds['value'] % 10
```

<div id="columnexpr-comparison">
  ### Operações de comparação
</div>

```python theme={null}
ds[ds['age'] > 25]           # Greater than
ds[ds['age'] >= 25]          # Greater or equal
ds[ds['age'] < 25]           # Less than
ds[ds['age'] <= 25]          # Less or equal
ds[ds['name'] == 'Alice']    # Equal
ds[ds['name'] != 'Bob']      # Not equal
```

<div id="columnexpr-logical">
  ### Operações lógicas
</div>

```python theme={null}
ds[(ds['age'] > 25) & (ds['city'] == 'NYC')]    # AND
ds[(ds['age'] > 25) | (ds['city'] == 'NYC')]    # OR
ds[~(ds['status'] == 'inactive')]               # NOT
```

<div id="columnexpr-methods">
  ### Métodos
</div>

| Método | Descrição |
| - | - |
| `as_(alias)` | Definir o nome do alias |
| `cast(dtype)` | Converter para um tipo |
| `astype(dtype)` | Alias para cast |
| `isnull()` | É NULL |
| `notnull()` | Não é NULL |
| `isna()` | Alias para isnull |
| `notna()` | Alias para notnull |
| `isin(values)` | Estar em uma lista de valores |
| `between(low, high)` | Entre dois valores |
| `fillna(value)` | Preencher valores NULL |
| `replace(to_replace, value)` | Substituir valores |
| `clip(lower, upper)` | Limitar valores |
| `abs()` | Valor absoluto |
| `round(decimals)` | Arredondar valores |
| `floor()` | Arredondar para baixo |
| `ceil()` | Arredondar para cima |
| `apply(func)` | Aplicar função |
| `map(mapper)` | Mapear valores |

<div id="columnexpr-aggregation">
  ### Métodos de agregação
</div>

| Método | Descrição |
| - | - |
| `sum()` | Soma |
| `mean()` | Média |
| `avg()` | Alias para mean |
| `min()` | Valor mínimo |
| `max()` | Máximo |
| `count()` | Contagem de valores não nulos |
| `nunique()` | Contagem de valores únicos |
| `std()` | Desvio padrão |
| `var()` | Variância |
| `median()` | Mediana |
| `quantile(q)` | Quantil |
| `first()` | Primeiro valor |
| `last()` | Último valor |
| `any()` | Pelo menos um `true` |
| `all()` | Todos `true` |

***

<div id="lazygroupby">
  ## LazyGroupBy
</div>

Representa um DataStore agrupado para operações de agregação.

```python theme={null}
# LazyGroupBy is returned automatically
grouped = ds.groupby('category')  # Returns LazyGroupBy
```

<div id="columnexpr-methods">
  ### Métodos
</div>

| Método | Retorna | Descrição |
| - | - | - |
| `agg(spec)` | DataStore | Agregação |
| `aggregate(spec)` | DataStore | Alias para agg |
| `sum()` | DataStore | Soma por grupo |
| `mean()` | DataStore | Média por grupo |
| `count()` | DataStore | Contagem por grupo |
| `min()` | DataStore | Mínimo por grupo |
| `max()` | DataStore | Máximo por grupo |
| `std()` | DataStore | Desvio padrão por grupo |
| `var()` | DataStore | Variância por grupo |
| `median()` | DataStore | Mediana por grupo |
| `nunique()` | DataStore | Contagem distinta por grupo |
| `first()` | DataStore | Primeiro valor por grupo |
| `last()` | DataStore | Último valor por grupo |
| `nth(n)` | DataStore | Enésimo valor por grupo |
| `head(n)` | DataStore | Primeiros n por grupo |
| `tail(n)` | DataStore | Últimos n por grupo |
| `apply(func)` | DataStore | Aplica função por grupo |
| `transform(func)` | DataStore | Transforma por grupo |
| `filter(func)` | DataStore | Filtra grupos |

<div id="lazygroupby-columns">
  ### Seleção de colunas
</div>

```python theme={null}
# Select column after groupby
grouped['amount'].sum()     # Returns DataStore
grouped[['a', 'b']].sum()   # Returns DataStore
```

<div id="lazygroupby-agg">
  ### Especificações de agregação
</div>

```python theme={null}
# Single aggregation
grouped.agg({'amount': 'sum'})

# Multiple aggregations per column
grouped.agg({'amount': ['sum', 'mean', 'count']})

# Named aggregations
grouped.agg(
    total=('amount', 'sum'),
    average=('amount', 'mean'),
    count=('id', 'count')
)
```

***

<div id="lazyseries">
  ## LazySeries
</div>

Representa uma Series lazy (coluna única).

<div id="datastore-properties">
  ### Propriedades
</div>

| Propriedade | Tipo | Descrição |
| - | - | - |
| `name` | str | Nome da Series |
| `dtype` | dtype | Tipo de dado |

<div id="columnexpr-methods">
  ### Métodos
</div>

Herda a maioria dos métodos de `ColumnExpr`. Principais métodos:

| Método | Descrição |
| - | - |
| `value_counts()` | Frequência dos valores |
| `unique()` | Valores únicos |
| `nunique()` | Número de valores únicos |
| `mode()` | Valor mais frequente |
| `to_list()` | Converte em lista |
| `to_numpy()` | Converte em array |
| `to_frame()` | Converte em DataStore |

***

<div id="related">
  ## Classes relacionadas
</div>

<div id="f-class">
  ### F (Funções)
</div>

Espaço de nomes das funções do ClickHouse.

```python theme={null}
from chdb.datastore import F, Field

# Aggregations
F.sum(Field('amount'))
F.avg(Field('price'))
F.count(Field('id'))
F.quantile(Field('value'), 0.95)

# Conditional
F.sum_if(Field('amount'), Field('status') == 'completed')
F.count_if(Field('active'))

# Window
F.row_number().over(order_by='date')
F.lag('price', 1).over(partition_by='product', order_by='date')
```

Consulte [Agregação](/pt-BR/chdb/datastore/aggregation#f-namespace) para mais detalhes.

<div id="field-class">
  ### Campo
</div>

Referência a uma coluna pelo nome.

```python theme={null}
from chdb.datastore import Field

# Create field reference
amount = Field('amount')
price = Field('price')

# Use in expressions
F.sum(Field('amount'))
F.avg(Field('price'))
```

<div id="casewhen-class">
  ### CaseWhen
</div>

Construtor de expressões CASE WHEN.

```python theme={null}
# Create case-when expression
result = (ds
    .when(ds['score'] >= 90, 'A')
    .when(ds['score'] >= 80, 'B')
    .when(ds['score'] >= 70, 'C')
    .otherwise('F')
)

# Assign to column
ds['grade'] = result
```

<div id="window-class">
  ### Window
</div>

Especificação de window para funções de janela.

```python theme={null}
from chdb.datastore import F

# Create window
window = F.window(
    partition_by='category',
    order_by='date',
    rows_between=(-7, 0)
)

# Use with aggregation
ds['rolling_avg'] = F.avg('price').over(window)
```