# Các lớp bảng

Mỗi đối tượng `Dataset` được hỗ trợ bởi một Table của PyArrow. Một Table có thể được nạp từ đĩa (memory mapped) hoặc trong bộ nhớ. Có sẵn một số loại Table, và tất cả đều kế thừa từ [table.Table](/docs/datasets/v5.2.0/vi/package_reference/table_classes#datasets.table.Table).

## Bảng[[datasets.table.Table]]

#### datasets.table.Table[[datasets.table.Table]]

```python
datasets.table.Table(table: Table)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L210)

Bọc một bảng pyarrow bằng cách sử dụng tổ hợp. Đây là lớp cơ sở cho `InMemoryTable`, `MemoryMappedTable` và `ConcatenationTable`.

Nó triển khai tất cả các thuộc tính/phương thức cơ bản của lớp Table trong pyarrow, ngoại trừ các phép biến đổi Table: `slice, filter, flatten, combine_chunks, cast, add_column, append_column, remove_column, set_column, rename_columns` và `drop`.

Việc triển khai các phương pháp này khác nhau giữa các lớp con.

#### validate[[datasets.table.Table.validate]]

```python
validate(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L235)

**Tham số:**

full (`bool`, mặc định là `False`) : Nếu `True`, chạy các kiểm tra tốn kém, ngược lại chỉ chạy các kiểm tra nhẹ.

**Lỗi:** ``pa.lib.ArrowInvalid``

- ``pa.lib.ArrowInvalid`` -- nếu kiểm tra hợp lệ thất bại

Thực hiện các kiểm tra xác thực. Một ngoại lệ sẽ được ném ra nếu xác thực thất bại.

Mặc định chỉ chạy các kiểm tra xác thực chi phí thấp. Truyền `full=True` để chạy các kiểm tra xác thực kỹ lưỡng (có thể `O(n)`).

#### equals[[datasets.table.Table.equals]]

```python
equals(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L251)

**Tham số:**

other ([Bảng](/docs/datasets/v5.2.0/vi/package_reference/table_classes#datasets.table.Table)) : Bảng để so sánh.

check_metadata `bool`, mặc định là `False`) : Xác định xem có nên kiểm tra cả sự bằng nhau của metadata schema hay không.

**Trả về:** `bool`

Kiểm tra xem nội dung của hai bảng có bằng nhau không.

#### to_batches[[datasets.table.Table.to_batches]]

```python
to_batches(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L268)

**Tham số:**

max_chunksize (`int`, mặc định là `None`) : Kích thước tối đa cho các khối `RecordBatch`. Kích thước của từng khối có thể nhỏ hơn tùy thuộc vào bố cục khối của từng cột riêng lẻ.

**Trả về:**

`List[pyarrow.RecordBatch]`

Chuyển đổi Table thành danh sách các đối tượng `RecordBatch` (liên tục).

#### to_pydict[[datasets.table.Table.to_pydict]]

```python
to_pydict(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L282)

**Trả về:** `dict`

Chuyển đổi Table thành `dict` hoặc `OrderedDict`.

#### to_pandas[[datasets.table.Table.to_pandas]]

```python
to_pandas(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L300)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Arrow MemoryPool được sử dụng cho các phân bổ bộ nhớ. Sử dụng memory pool mặc định nếu không được truyền vào.

strings_to_categorical (`bool`, mặc định là `False`) : Mã hóa các kiểu chuỗi (UTF8) và nhị phân thành `pandas.Categorical`.

categories (`list`, mặc định là `empty`) : Danh sách các trường cần được trả về dưới dạng `pandas.Categorical`. Chỉ áp dụng cho các cấu trúc dữ liệu dạng bảng.

zero_copy_only (`bool`, mặc định là `False`) : Ném một `ArrowException` nếu việc gọi hàm này sẽ yêu cầu sao chép dữ liệu bên dưới.

integer_object_nulls (`bool`, mặc định là `False`) : Chuyển các số nguyên có giá trị null sang kiểu object.

date_as_object (`bool`, mặc định là `True`) : Chuyển đổi ngày thành các đối tượng. Nếu `False`, chuyển đổi sang kiểu dữ liệu `datetime64[ns]`.

timestamp_as_object (`bool`, mặc định là `False`) : Chuyển đổi các mốc thời gian không phải nanogiây (`np.datetime64`) thành các đối tượng. Điều này hữu ích nếu bạn có các mốc thời gian không nằm trong khoảng ngày tháng thông thường của mốc thời gian nanogiây (năm 1678 - năm 2262). Nếu `False`, tất cả các mốc thời gian sẽ được chuyển đổi sang kiểu dữ liệu `datetime64[ns]`.

use_threads (`bool`, mặc định là `True`) : Có nên song song hóa quá trình chuyển đổi bằng nhiều luồng hay không.

deduplicate_objects (`bool`, mặc định là `False`) : Không tạo nhiều bản sao của các đối tượng Python khi được khởi tạo, nhằm tiết kiệm bộ nhớ. Quá trình chuyển đổi sẽ chậm hơn.

ignore_metadata (`bool`, mặc định là `False`) : Nếu `True`, không sử dụng metadata của 'pandas' để tái tạo chỉ mục của DataFrame, nếu có.

safe (`bool`, mặc định là `True`) : Đối với một số kiểu dữ liệu nhất định, cần phải chuyển đổi kiểu (cast) để lưu trữ dữ liệu trong một DataFrame hoặc Series của pandas (ví dụ: timestamp luôn được lưu trữ dưới dạng nanosecond trong pandas). Tùy chọn này kiểm soát việc chuyển đổi kiểu đó có an toàn hay không.

split_blocks (`bool`, mặc định là `False`) : Nếu `True`, sẽ tạo một "block" nội bộ cho mỗi cột khi tạo một pandas.DataFrame từ một `RecordBatch` hoặc `Table`. Mặc dù điều này có thể tạm thời giảm bộ nhớ, hãy lưu ý rằng các thao tác pandas khác nhau có thể kích hoạt "consolidation" (gộp bộ nhớ), điều này có thể làm tăng vọt mức sử dụng bộ nhớ.

self_destruct (`bool`, mặc định là `False`) : THỰC NGHIỆM: Nếu `True`, sẽ cố gắng giải phóng bộ nhớ Arrow nguồn trong khi chuyển đổi đối tượng Arrow sang pandas. Nếu bạn sử dụng đối tượng sau khi gọi `to_pandas` với tùy chọn này, chương trình của bạn sẽ bị lỗi.

types_mapper (`function`, mặc định là `None`) : Một hàm ánh xạ một kiểu dữ liệu pyarrow sang một `ExtensionDtype` của pandas. Hàm này có thể được dùng để ghi đè kiểu pandas mặc định cho việc chuyển đổi các kiểu pyarrow tích hợp sẵn hoặc khi không có `pandas_metadata` trong schema của Table. Hàm nhận vào một kiểu dữ liệu pyarrow và được kỳ vọng trả về một `ExtensionDtype` của pandas hoặc `None` nếu nên dùng chuyển đổi mặc định cho kiểu đó. Nếu bạn có một từ điển ánh xạ, bạn có thể truyền `dict.get` làm hàm.

**Trả về:** `pandas.Series` hoặc `pandas.DataFrame`

`pandas.Series` hoặc `pandas.DataFrame` tùy thuộc vào kiểu của đối tượng

Chuyển đổi thành mảng NumPy hoặc DataFrame tương thích với pandas, tùy theo trường hợp.

#### to_string[[datasets.table.Table.to_string]]

```python
to_string(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L362)

#### trường[[datasets.table.Table.field]]

```python
field(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L381)

**Tham số:**

i (`Union[int, str]`) : Chỉ số hoặc tên của trường cần truy xuất.

**Trả về:**

`pyarrow.Field`

Chọn một trường schema theo tên cột hoặc chỉ số số.

#### cột[[datasets.table.Table.column]]

```python
column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L394)

**Tham số:**

i (`Union[int, str]`) : Chỉ số hoặc tên của cột cần truy xuất.

**Trả về:**

`pyarrow.ChunkedArray`

Chọn một cột theo tên cột hoặc chỉ số số của nó.

#### itercolumns[[datasets.table.Table.itercolumns]]

```python
itercolumns(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L407)

**Trả về:**

`pyarrow.ChunkedArray`

Trình lặp qua tất cả các cột theo thứ tự số.

#### schema[[datasets.table.Table.schema]]

```python
schema()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L416)

**Trả về:**

`pyarrow.Schema`

Sơ đồ của bảng và các cột của nó.

#### columns[[datasets.table.Table.columns]]

```python
columns()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L426)

**Trả về:**

`List[pa.ChunkedArray]`

Danh sách tất cả các cột theo thứ tự số.

#### num_columns[[datasets.table.Table.num_columns]]

```python
num_columns()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L436)

**Trả về:**

int

Số cột trong bảng này.

#### num_rows[[datasets.table.Table.num_rows]]

```python
num_rows()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L446)

**Trả về:**

int

Số dòng trong bảng này.

Do định nghĩa của bảng, tất cả các cột đều có cùng số hàng.

#### shape[[datasets.table.Table.shape]]

```python
shape()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L459)

**Trả về:** `(int, int)`

Số hàng và số cột.

Kích thước của bảng: (#rows, #columns).

#### nbytes[[datasets.table.Table.nbytes]]

```python
nbytes()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L469)

Tổng số byte được tiêu thụ bởi các phần tử của bảng.

## InMemoryTable[[datasets.table.InMemoryTable]]

#### datasets.table.InMemoryTable[[datasets.table.InMemoryTable]]

```python
datasets.table.InMemoryTable(table: Table)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L695)

Bảng được coi là trong bộ nhớ (in-memory) khi nó được nạp vào RAM của người dùng.

Việc Pickling sẽ sao chép toàn bộ dữ liệu bằng bộ nhớ. Cách triển khai của nó đơn giản và sử dụng trực tiếp các phương thức của bảng pyarrow bên dưới.

Điều này khác với bảng `MemoryMapped`, trong đó quá trình pickling không sao chép toàn bộ dữ liệu trong bộ nhớ. Đối với `MemoryMapped`, quá trình unpickling sẽ tải lại bảng từ ổ đĩa.

`InMemoryTable` phải được sử dụng khi dữ liệu vừa trong bộ nhớ, trong khi `MemoryMapped` được dành cho dữ liệu lớn hơn bộ nhớ hoặc khi bạn muốn dấu chân bộ nhớ của ứng dụng của bạn ở mức thấp.

#### validate[[datasets.table.InMemoryTable.validate]]

```python
validate(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L235)

**Tham số:**

full (`bool`, mặc định là `False`) : Nếu `True`, chạy các kiểm tra tốn kém, ngược lại chỉ chạy các kiểm tra nhẹ.

**Lỗi:** ``pa.lib.ArrowInvalid``

- ``pa.lib.ArrowInvalid`` -- nếu kiểm tra hợp lệ thất bại

Thực hiện các kiểm tra xác thực. Một ngoại lệ sẽ được ném ra nếu xác thực thất bại.

Mặc định chỉ chạy các kiểm tra xác thực chi phí thấp. Truyền `full=True` để chạy các kiểm tra xác thực kỹ lưỡng (có thể `O(n)`).

#### equals[[datasets.table.InMemoryTable.equals]]

```python
equals(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L251)

**Tham số:**

other ([Bảng](/docs/datasets/v5.2.0/vi/package_reference/table_classes#datasets.table.Table)) : Bảng để so sánh.

check_metadata `bool`, mặc định là `False`) : Xác định xem có nên kiểm tra cả sự bằng nhau của metadata schema hay không.

**Trả về:** `bool`

Kiểm tra xem nội dung của hai bảng có bằng nhau không.

#### to_batches[[datasets.table.InMemoryTable.to_batches]]

```python
to_batches(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L268)

**Tham số:**

max_chunksize (`int`, mặc định là `None`) : Kích thước tối đa cho các khối `RecordBatch`. Kích thước của từng khối có thể nhỏ hơn tùy thuộc vào bố cục khối của từng cột riêng lẻ.

**Trả về:**

`List[pyarrow.RecordBatch]`

Chuyển đổi Table thành danh sách các đối tượng `RecordBatch` (liên tục).

#### to_pydict[[datasets.table.InMemoryTable.to_pydict]]

```python
to_pydict(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L282)

**Trả về:** `dict`

Chuyển đổi Table thành `dict` hoặc `OrderedDict`.

#### to_pandas[[datasets.table.InMemoryTable.to_pandas]]

```python
to_pandas(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L300)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Arrow MemoryPool được sử dụng cho các phân bổ bộ nhớ. Sử dụng memory pool mặc định nếu không được truyền vào.

strings_to_categorical (`bool`, mặc định là `False`) : Mã hóa các kiểu chuỗi (UTF8) và nhị phân thành `pandas.Categorical`.

categories (`list`, mặc định là `empty`) : Danh sách các trường cần được trả về dưới dạng `pandas.Categorical`. Chỉ áp dụng cho các cấu trúc dữ liệu dạng bảng.

zero_copy_only (`bool`, mặc định là `False`) : Ném một `ArrowException` nếu việc gọi hàm này sẽ yêu cầu sao chép dữ liệu bên dưới.

integer_object_nulls (`bool`, mặc định là `False`) : Chuyển các số nguyên có giá trị null sang kiểu object.

date_as_object (`bool`, mặc định là `True`) : Chuyển đổi ngày thành các đối tượng. Nếu `False`, chuyển đổi sang kiểu dữ liệu `datetime64[ns]`.

timestamp_as_object (`bool`, mặc định là `False`) : Chuyển đổi các mốc thời gian không phải nanogiây (`np.datetime64`) thành các đối tượng. Điều này hữu ích nếu bạn có các mốc thời gian không nằm trong khoảng ngày tháng thông thường của mốc thời gian nanogiây (năm 1678 - năm 2262). Nếu `False`, tất cả các mốc thời gian sẽ được chuyển đổi sang kiểu dữ liệu `datetime64[ns]`.

use_threads (`bool`, mặc định là `True`) : Có nên song song hóa quá trình chuyển đổi bằng nhiều luồng hay không.

deduplicate_objects (`bool`, mặc định là `False`) : Không tạo nhiều bản sao của các đối tượng Python khi được khởi tạo, nhằm tiết kiệm bộ nhớ. Quá trình chuyển đổi sẽ chậm hơn.

ignore_metadata (`bool`, mặc định là `False`) : Nếu `True`, không sử dụng metadata của 'pandas' để tái tạo chỉ mục của DataFrame, nếu có.

safe (`bool`, mặc định là `True`) : Đối với một số kiểu dữ liệu nhất định, cần phải chuyển đổi kiểu (cast) để lưu trữ dữ liệu trong một DataFrame hoặc Series của pandas (ví dụ: timestamp luôn được lưu trữ dưới dạng nanosecond trong pandas). Tùy chọn này kiểm soát việc chuyển đổi kiểu đó có an toàn hay không.

split_blocks (`bool`, mặc định là `False`) : Nếu `True`, sẽ tạo một "block" nội bộ cho mỗi cột khi tạo một pandas.DataFrame từ một `RecordBatch` hoặc `Table`. Mặc dù điều này có thể tạm thời giảm bộ nhớ, hãy lưu ý rằng các thao tác pandas khác nhau có thể kích hoạt "consolidation" (gộp bộ nhớ), điều này có thể làm tăng vọt mức sử dụng bộ nhớ.

self_destruct (`bool`, mặc định là `False`) : THỰC NGHIỆM: Nếu `True`, sẽ cố gắng giải phóng bộ nhớ Arrow nguồn trong khi chuyển đổi đối tượng Arrow sang pandas. Nếu bạn sử dụng đối tượng sau khi gọi `to_pandas` với tùy chọn này, chương trình của bạn sẽ bị lỗi.

types_mapper (`function`, mặc định là `None`) : Một hàm ánh xạ một kiểu dữ liệu pyarrow sang một `ExtensionDtype` của pandas. Hàm này có thể được dùng để ghi đè kiểu pandas mặc định cho việc chuyển đổi các kiểu pyarrow tích hợp sẵn hoặc khi không có `pandas_metadata` trong schema của Table. Hàm nhận vào một kiểu dữ liệu pyarrow và được kỳ vọng trả về một `ExtensionDtype` của pandas hoặc `None` nếu nên dùng chuyển đổi mặc định cho kiểu đó. Nếu bạn có một từ điển ánh xạ, bạn có thể truyền `dict.get` làm hàm.

**Trả về:** `pandas.Series` hoặc `pandas.DataFrame`

`pandas.Series` hoặc `pandas.DataFrame` tùy thuộc vào kiểu của đối tượng

Chuyển đổi thành mảng NumPy hoặc DataFrame tương thích với pandas, tùy theo trường hợp.

#### to_string[[datasets.table.InMemoryTable.to_string]]

```python
to_string(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L362)

#### trường[[datasets.table.InMemoryTable.field]]

```python
field(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L381)

**Tham số:**

i (`Union[int, str]`) : Chỉ số hoặc tên của trường cần truy xuất.

**Trả về:**

`pyarrow.Field`

Chọn một trường schema theo tên cột hoặc chỉ số số.

#### cột[[datasets.table.InMemoryTable.column]]

```python
column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L394)

**Tham số:**

i (`Union[int, str]`) : Chỉ số hoặc tên của cột cần truy xuất.

**Trả về:**

`pyarrow.ChunkedArray`

Chọn một cột theo tên cột hoặc chỉ số số của nó.

#### itercolumns[[datasets.table.InMemoryTable.itercolumns]]

```python
itercolumns(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L407)

**Trả về:**

`pyarrow.ChunkedArray`

Trình lặp qua tất cả các cột theo thứ tự số.

#### schema[[datasets.table.InMemoryTable.schema]]

```python
schema()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L416)

**Trả về:**

`pyarrow.Schema`

Sơ đồ của bảng và các cột của nó.

#### columns[[datasets.table.InMemoryTable.columns]]

```python
columns()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L426)

**Trả về:**

`List[pa.ChunkedArray]`

Danh sách tất cả các cột theo thứ tự số.

#### num_columns[[datasets.table.InMemoryTable.num_columns]]

```python
num_columns()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L436)

**Trả về:**

int

Số cột trong bảng này.

#### num_rows[[datasets.table.InMemoryTable.num_rows]]

```python
num_rows()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L446)

**Trả về:**

int

Số dòng trong bảng này.

Do định nghĩa của bảng, tất cả các cột đều có cùng số hàng.

#### shape[[datasets.table.InMemoryTable.shape]]

```python
shape()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L459)

**Trả về:** `(int, int)`

Số hàng và số cột.

Kích thước của bảng: (#rows, #columns).

#### nbytes[[datasets.table.InMemoryTable.nbytes]]

```python
nbytes()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L469)

Tổng số byte được tiêu thụ bởi các phần tử của bảng.

#### column_names[[datasets.table.InMemoryTable.column_names]]

```python
column_names()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L476)

Tên của các cột trong bảng.

#### slice[[datasets.table.InMemoryTable.slice]]

```python
slice(offset = 0, length = None)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L859)

**Tham số:**

offset (`int`, mặc định là `0`) : Độ lệch từ đầu bảng đến phần cắt.

length (`int`, mặc định là `None`) : Độ dài của lát cắt (mặc định là đến hết bảng tính từ offset).

**Trả về:**

`datasets.table.Table`

Tính toán lát cắt sao chép không (zero-copy) của Table này.

#### lọc[[datasets.table.InMemoryTable.filter]]

```python
filter(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L876)

Chọn các bản ghi từ một Table. Xem `pyarrow.compute.filter` để biết cách sử dụng đầy đủ.

#### flatten[[datasets.table.InMemoryTable.flatten]]

```python
flatten(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L882)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Dùng cho việc cấp phát bộ nhớ, nếu cần, nếu không thì dùng pool mặc định.

**Trả về:**

`datasets.table.Table`

Phẳng hóa bảng này. Mỗi cột có kiểu struct sẽ được phẳng hóa thành một cột cho mỗi trường của struct. Các cột khác được giữ nguyên.

#### combine_chunks[[datasets.table.InMemoryTable.combine_chunks]]

```python
combine_chunks(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L896)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Dùng cho việc cấp phát bộ nhớ, nếu cần, nếu không thì dùng pool mặc định.

**Trả về:**

`datasets.table.Table`

Tạo một bảng mới bằng cách kết hợp các phần mà bảng này có.

Tất cả các khối cơ bản trong `ChunkedArray` của mỗi cột được nối lại thành không hoặc một khối.

#### cast[[datasets.table.InMemoryTable.cast]]

```python
cast(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L912)

**Tham số:**

target_schema (`Schema`) : Schema để chuyển đổi kiểu, tên và thứ tự của các trường phải khớp.

safe (`bool`, mặc định là `True`) : Kiểm tra các trường hợp tràn số hoặc các phép chuyển đổi không an toàn khác.

**Trả về:**

`datasets.table.Table`

Đổ giá trị bảng sang lược đồ khác.

#### replace_schema_metadata[[datasets.table.InMemoryTable.replace_schema_metadata]]

```python
replace_schema_metadata(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L927)

**Tham số:**

metadata (`dict`, mặc định là `None`) --

**Trả về:** `datasets.table.Table`

shallow_copy

THỰC NGHIỆM: Tạo bản sao nông của bảng bằng cách thay thế metadata dạng cặp khóa-giá trị của schema bằng metadata mới được chỉ định (có thể là `None`, điều này sẽ xóa mọi metadata hiện có).

#### add_column[[datasets.table.InMemoryTable.add_column]]

```python
add_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L941)

**Tham số:**

i (`int`) : Chỉ số để đặt cột tại đó.

field_ (`Union[str, pyarrow.Field]`) : Nếu truyền vào một chuỗi, kiểu dữ liệu sẽ được suy ra từ dữ liệu của cột.

column (`Union[pyarrow.Array, List[pyarrow.Array]]`) : Dữ liệu cột.

**Trả về:** `datasets.table.Table`

Bảng mới với cột được truyền thêm vào.

Thêm cột vào Bảng tại vị trí.

Một bảng mới được trả về với cột đã được thêm vào, trong khi đối tượng bảng gốc không bị thay đổi.

#### append_column[[datasets.table.InMemoryTable.append_column]]

```python
append_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L962)

**Tham số:**

field_ (`Union[str, pyarrow.Field]`) : Nếu truyền vào một chuỗi, kiểu dữ liệu sẽ được suy ra từ dữ liệu của cột.

column (`Union[pyarrow.Array, List[pyarrow.Array]]`) : Dữ liệu cột.

**Trả về:** `datasets.table.Table`

Bảng mới với cột được truyền thêm vào.

Thêm cột vào cuối danh sách các cột.

#### remove_column[[datasets.table.InMemoryTable.remove_column]]

```python
remove_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L979)

**Tham số:**

i (`int`) : Chỉ số của cột cần xóa.

**Trả về:** `datasets.table.Table`

Bảng mới không có cột.

Tạo Table mới với cột được chỉ định đã bị xóa.

#### set_column[[datasets.table.InMemoryTable.set_column]]

```python
set_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L993)

**Tham số:**

i (`int`) : Chỉ số để đặt cột tại đó.

field_ (`Union[str, pyarrow.Field]`) : Nếu truyền vào một chuỗi, kiểu dữ liệu sẽ được suy ra từ dữ liệu của cột.

column (`Union[pyarrow.Array, List[pyarrow.Array]]`) : Dữ liệu cột.

**Trả về:** `datasets.table.Table`

Bảng mới với bộ cột đã truyền.

Thay thế cột trong Bảng tại vị trí.

#### rename_columns[[datasets.table.InMemoryTable.rename_columns]]

```python
rename_columns(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1012)

Tạo bảng mới với các cột được đổi tên thành các tên đã cung cấp.

#### chọn[[datasets.table.InMemoryTable.select]]

```python
select(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1035)

**Tham số:**

columns (`Union[List[str], List[int]]`) : Tên cột hoặc chỉ số nguyên để chọn.

**Trả về:** [datasets.table.Table](/docs/datasets/v5.2.0/vi/package_reference/table_classes#datasets.table.Table)

Bảng mới với các cột được chỉ định, và metadata được giữ nguyên.

Chọn các cột của bảng.

Trả về một bảng mới với các cột được chỉ định, và giữ nguyên các metadata.

#### drop[[datasets.table.InMemoryTable.drop]]

```python
drop(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1018)

**Tham số:**

columns (`List[str]`) : Danh sách tên trường tham chiếu đến các cột hiện có.

**Trả về:** `datasets.table.Table`

Bảng mới không có các cột.

**Lỗi:** ``KeyError``

- ``KeyError`` -- : nếu bất kỳ tên cột nào được truyền vào không tồn tại.

Xóa một hoặc nhiều cột và trả về một bảng mới.

#### from_file[[datasets.table.InMemoryTable.from_file]]

```python
from_file(filename: str)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L719)

#### from_buffer[[datasets.table.InMemoryTable.from_buffer]]

```python
from_buffer(buffer: Buffer)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L724)

#### from_pandas[[datasets.table.InMemoryTable.from_pandas]]

```python
from_pandas(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L729)

**Tham số:**

df (`pandas.DataFrame`) --

schema (`pyarrow.Schema`, *optional*) : Schema dự kiến của Arrow Table. Có thể dùng để chỉ định kiểu của các cột nếu không thể suy luận tự động. Nếu được truyền vào, kết quả đầu ra sẽ có đúng schema này. Các cột được chỉ định trong schema nhưng không tìm thấy trong các cột của DataFrame hoặc index của nó sẽ gây ra lỗi. Các cột hoặc cấp index bổ sung trong DataFrame không được chỉ định trong schema sẽ bị bỏ qua.

preserve_index (`bool`, *tùy chọn*) : Có lưu trữ chỉ mục như một cột bổ sung trong `Table` kết quả hay không. Giá trị mặc định là None sẽ lưu trữ chỉ mục như một cột, ngoại trừ RangeIndex chỉ được lưu trữ dưới dạng metadata. Sử dụng `preserve_index=True` để buộc lưu trữ dưới dạng cột.

nthreads (`int`, mặc định là `None` (có thể sử dụng tối đa số luồng CPU của hệ thống)) : Nếu lớn hơn 1, chuyển đổi các cột sang Arrow song song bằng số luồng được chỉ định.

columns (`List[str]`, *tuỳ chọn*) : Danh sách các cột cần chuyển đổi. Nếu `None`, sử dụng tất cả các cột.

safe (`bool`, mặc định là `True`) : Kiểm tra các trường hợp tràn số hoặc các phép chuyển đổi không an toàn khác,

**Trả về:** `datasets.table.Table`

Chuyển đổi pandas.DataFrame thành một bảng Arrow.

Các kiểu cột trong Arrow Table kết quả được suy ra từ dtypes của pandas.Series trong DataFrame. Đối với các Series không phải object, NumPy dtype được chuyển đổi sang tương đương Arrow của nó. Đối với `object`, chúng ta cần đoán kiểu dữ liệu bằng cách xem xét các đối tượng Python trong Series này.

Lưu ý rằng các Series có dtype `object` không chứa đủ thông tin để luôn dẫn đến một kiểu Arrow có ý nghĩa. Trong trường hợp không thể suy luận được kiểu, ví dụ vì DataFrame có độ dài 0 hoặc Series chỉ chứa các đối tượng `None/nan`, kiểu sẽ được đặt là null. Có thể tránh hành vi này bằng cách xây dựng một schema rõ ràng và truyền nó vào hàm này.

Ví dụ:
```python
>>> import pandas as pd
>>> import pyarrow as pa
>>> df = pd.DataFrame({
    ...     'int': [1, 2],
    ...     'str': ['a', 'b']
    ... })
>>> pa.Table.from_pandas(df)
<pyarrow.lib.Table object at 0x7f05d1fb1b40>
```

#### from_arrays[[datasets.table.InMemoryTable.from_arrays]]

```python
from_arrays(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L787)

**Tham số:**

arrays (`List[Union[pyarrow.Array, pyarrow.ChunkedArray]]`) : Các mảng có cùng độ dài, cần tạo thành bảng.

names (`List[str]`, *tùy chọn*) : Tên cho các cột bảng. Nếu không được truyền, schema phải được truyền.

schema (`Schema`, mặc định là `None`) : Schema cho bảng được tạo. Nếu không được truyền vào, các tên phải được truyền vào.

metadata (`Union[dict, Mapping]`, mặc định là `None`) : Metadata tùy chọn cho schema (nếu được suy luận).

**Trả về:**

`datasets.table.Table`

Xây dựng một Table từ các mảng Arrow.

#### from_pydict[[datasets.table.InMemoryTable.from_pydict]]

```python
from_pydict(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L807)

**Tham số:**

mapping (`Union[dict, Mapping]`) : Một mapping từ các chuỗi sang các mảng hoặc danh sách Python.

schema (`Schema`, mặc định là `None`) : Nếu không được truyền vào, sẽ được suy ra từ các giá trị của Mapping

metadata (`Union[dict, Mapping]`, mặc định là `None`) : Metadata tùy chọn cho schema (nếu được suy luận).

**Trả về:**

`datasets.table.Table`

Xây dựng một Table từ các mảng hoặc cột Arrow.

#### from_batches[[datasets.table.InMemoryTable.from_batches]]

```python
from_batches(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L843)

**Tham số:**

batches (`Union[Sequence[pyarrow.RecordBatch], Iterator[pyarrow.RecordBatch]]`) : Chuỗi các `RecordBatch` cần chuyển đổi, tất cả các schema phải bằng nhau.

schema (`Schema`, mặc định là `None`) : Nếu không được truyền vào, sẽ được suy ra từ `RecordBatch` đầu tiên.

**Trả về:** `datasets.table.Table`

Tạo một Table từ một chuỗi hoặc trình lặp các `RecordBatches` của Arrow.

## MemoryMappedTable[[datasets.table.MemoryMappedTable]]

#### datasets.table.MemoryMappedTable[[datasets.table.MemoryMappedTable]]

```python
datasets.table.MemoryMappedTable(table: Table, path: str, replays: typing.Optional[list[tuple[str, tuple, dict]]] = None)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1055)

Bảng được gọi là ánh xạ bộ nhớ (memory mapped) khi nó không sử dụng RAM của người dùng mà thay vào đó tải dữ liệu từ ổ đĩa.

Pickling không sao chép dữ liệu vào bộ nhớ. Thay vào đó, chỉ đường dẫn đến tệp arrow được ánh xạ bộ nhớ được pickling, cùng với danh sách các transform để “phát lại” khi tải lại bảng từ đĩa.

Việc triển khai của nó yêu cầu phải lưu trữ lịch sử của tất cả các phép biến đổi đã được áp dụng lên bảng pyarrow bên dưới, để chúng có thể được "phát lại" khi tải lại bảng từ đĩa.

Điều này khác với bảng `InMemoryTable`, trong đó quá trình pickling sẽ sao chép toàn bộ dữ liệu trong bộ nhớ.

`InMemoryTable` phải được sử dụng khi dữ liệu vừa trong bộ nhớ, trong khi `MemoryMapped` được dành cho dữ liệu lớn hơn bộ nhớ hoặc khi bạn muốn dấu chân bộ nhớ của ứng dụng của bạn ở mức thấp.

#### validate[[datasets.table.MemoryMappedTable.validate]]

```python
validate(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L235)

**Tham số:**

full (`bool`, mặc định là `False`) : Nếu `True`, chạy các kiểm tra tốn kém, ngược lại chỉ chạy các kiểm tra nhẹ.

**Lỗi:** ``pa.lib.ArrowInvalid``

- ``pa.lib.ArrowInvalid`` -- nếu kiểm tra hợp lệ thất bại

Thực hiện các kiểm tra xác thực. Một ngoại lệ sẽ được ném ra nếu xác thực thất bại.

Mặc định chỉ chạy các kiểm tra xác thực chi phí thấp. Truyền `full=True` để chạy các kiểm tra xác thực kỹ lưỡng (có thể `O(n)`).

#### equals[[datasets.table.MemoryMappedTable.equals]]

```python
equals(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L251)

**Tham số:**

other ([Bảng](/docs/datasets/v5.2.0/vi/package_reference/table_classes#datasets.table.Table)) : Bảng để so sánh.

check_metadata `bool`, mặc định là `False`) : Xác định xem có nên kiểm tra cả sự bằng nhau của metadata schema hay không.

**Trả về:** `bool`

Kiểm tra xem nội dung của hai bảng có bằng nhau không.

#### to_batches[[datasets.table.MemoryMappedTable.to_batches]]

```python
to_batches(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L268)

**Tham số:**

max_chunksize (`int`, mặc định là `None`) : Kích thước tối đa cho các khối `RecordBatch`. Kích thước của từng khối có thể nhỏ hơn tùy thuộc vào bố cục khối của từng cột riêng lẻ.

**Trả về:**

`List[pyarrow.RecordBatch]`

Chuyển đổi Table thành danh sách các đối tượng `RecordBatch` (liên tục).

#### to_pydict[[datasets.table.MemoryMappedTable.to_pydict]]

```python
to_pydict(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L282)

**Trả về:** `dict`

Chuyển đổi Table thành `dict` hoặc `OrderedDict`.

#### to_pandas[[datasets.table.MemoryMappedTable.to_pandas]]

```python
to_pandas(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L300)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Arrow MemoryPool được sử dụng cho các phân bổ bộ nhớ. Sử dụng memory pool mặc định nếu không được truyền vào.

strings_to_categorical (`bool`, mặc định là `False`) : Mã hóa các kiểu chuỗi (UTF8) và nhị phân thành `pandas.Categorical`.

categories (`list`, mặc định là `empty`) : Danh sách các trường cần được trả về dưới dạng `pandas.Categorical`. Chỉ áp dụng cho các cấu trúc dữ liệu dạng bảng.

zero_copy_only (`bool`, mặc định là `False`) : Ném một `ArrowException` nếu việc gọi hàm này sẽ yêu cầu sao chép dữ liệu bên dưới.

integer_object_nulls (`bool`, mặc định là `False`) : Chuyển các số nguyên có giá trị null sang kiểu object.

date_as_object (`bool`, mặc định là `True`) : Chuyển đổi ngày thành các đối tượng. Nếu `False`, chuyển đổi sang kiểu dữ liệu `datetime64[ns]`.

timestamp_as_object (`bool`, mặc định là `False`) : Chuyển đổi các mốc thời gian không phải nanogiây (`np.datetime64`) thành các đối tượng. Điều này hữu ích nếu bạn có các mốc thời gian không nằm trong khoảng ngày tháng thông thường của mốc thời gian nanogiây (năm 1678 - năm 2262). Nếu `False`, tất cả các mốc thời gian sẽ được chuyển đổi sang kiểu dữ liệu `datetime64[ns]`.

use_threads (`bool`, mặc định là `True`) : Có nên song song hóa quá trình chuyển đổi bằng nhiều luồng hay không.

deduplicate_objects (`bool`, mặc định là `False`) : Không tạo nhiều bản sao của các đối tượng Python khi được khởi tạo, nhằm tiết kiệm bộ nhớ. Quá trình chuyển đổi sẽ chậm hơn.

ignore_metadata (`bool`, mặc định là `False`) : Nếu `True`, không sử dụng metadata của 'pandas' để tái tạo chỉ mục của DataFrame, nếu có.

safe (`bool`, mặc định là `True`) : Đối với một số kiểu dữ liệu nhất định, cần phải chuyển đổi kiểu (cast) để lưu trữ dữ liệu trong một DataFrame hoặc Series của pandas (ví dụ: timestamp luôn được lưu trữ dưới dạng nanosecond trong pandas). Tùy chọn này kiểm soát việc chuyển đổi kiểu đó có an toàn hay không.

split_blocks (`bool`, mặc định là `False`) : Nếu `True`, sẽ tạo một "block" nội bộ cho mỗi cột khi tạo một pandas.DataFrame từ một `RecordBatch` hoặc `Table`. Mặc dù điều này có thể tạm thời giảm bộ nhớ, hãy lưu ý rằng các thao tác pandas khác nhau có thể kích hoạt "consolidation" (gộp bộ nhớ), điều này có thể làm tăng vọt mức sử dụng bộ nhớ.

self_destruct (`bool`, mặc định là `False`) : THỰC NGHIỆM: Nếu `True`, sẽ cố gắng giải phóng bộ nhớ Arrow nguồn trong khi chuyển đổi đối tượng Arrow sang pandas. Nếu bạn sử dụng đối tượng sau khi gọi `to_pandas` với tùy chọn này, chương trình của bạn sẽ bị lỗi.

types_mapper (`function`, mặc định là `None`) : Một hàm ánh xạ một kiểu dữ liệu pyarrow sang một `ExtensionDtype` của pandas. Hàm này có thể được dùng để ghi đè kiểu pandas mặc định cho việc chuyển đổi các kiểu pyarrow tích hợp sẵn hoặc khi không có `pandas_metadata` trong schema của Table. Hàm nhận vào một kiểu dữ liệu pyarrow và được kỳ vọng trả về một `ExtensionDtype` của pandas hoặc `None` nếu nên dùng chuyển đổi mặc định cho kiểu đó. Nếu bạn có một từ điển ánh xạ, bạn có thể truyền `dict.get` làm hàm.

**Trả về:** `pandas.Series` hoặc `pandas.DataFrame`

`pandas.Series` hoặc `pandas.DataFrame` tùy thuộc vào kiểu của đối tượng

Chuyển đổi thành mảng NumPy hoặc DataFrame tương thích với pandas, tùy theo trường hợp.

#### to_string[[datasets.table.MemoryMappedTable.to_string]]

```python
to_string(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L362)

#### trường[[datasets.table.MemoryMappedTable.field]]

```python
field(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L381)

**Tham số:**

i (`Union[int, str]`) : Chỉ số hoặc tên của trường cần truy xuất.

**Trả về:**

`pyarrow.Field`

Chọn một trường schema theo tên cột hoặc chỉ số số.

#### cột[[datasets.table.MemoryMappedTable.column]]

```python
column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L394)

**Tham số:**

i (`Union[int, str]`) : Chỉ số hoặc tên của cột cần truy xuất.

**Trả về:**

`pyarrow.ChunkedArray`

Chọn một cột theo tên cột hoặc chỉ số số của nó.

#### itercolumns[[datasets.table.MemoryMappedTable.itercolumns]]

```python
itercolumns(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L407)

**Trả về:**

`pyarrow.ChunkedArray`

Trình lặp qua tất cả các cột theo thứ tự số.

#### schema[[datasets.table.MemoryMappedTable.schema]]

```python
schema()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L416)

**Trả về:**

`pyarrow.Schema`

Sơ đồ của bảng và các cột của nó.

#### columns[[datasets.table.MemoryMappedTable.columns]]

```python
columns()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L426)

**Trả về:**

`List[pa.ChunkedArray]`

Danh sách tất cả các cột theo thứ tự số.

#### num_columns[[datasets.table.MemoryMappedTable.num_columns]]

```python
num_columns()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L436)

**Trả về:**

int

Số cột trong bảng này.

#### num_rows[[datasets.table.MemoryMappedTable.num_rows]]

```python
num_rows()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L446)

**Trả về:**

int

Số dòng trong bảng này.

Do định nghĩa của bảng, tất cả các cột đều có cùng số hàng.

#### shape[[datasets.table.MemoryMappedTable.shape]]

```python
shape()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L459)

**Trả về:** `(int, int)`

Số hàng và số cột.

Kích thước của bảng: (#rows, #columns).

#### nbytes[[datasets.table.MemoryMappedTable.nbytes]]

```python
nbytes()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L469)

Tổng số byte được tiêu thụ bởi các phần tử của bảng.

#### column_names[[datasets.table.MemoryMappedTable.column_names]]

```python
column_names()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L476)

Tên của các cột trong bảng.

#### slice[[datasets.table.MemoryMappedTable.slice]]

```python
slice(offset = 0, length = None)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1114)

**Tham số:**

offset (`int`, mặc định là `0`) : Độ lệch từ đầu bảng đến phần cắt.

length (`int`, mặc định là `None`) : Độ dài của lát cắt (mặc định là đến hết bảng tính từ offset).

**Trả về:**

`datasets.table.Table`

Tính toán lát cắt sao chép không (zero-copy) của Table này.

#### lọc[[datasets.table.MemoryMappedTable.filter]]

```python
filter(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1133)

Chọn các bản ghi từ một Table. Xem `pyarrow.compute.filter` để biết cách sử dụng đầy đủ.

#### flatten[[datasets.table.MemoryMappedTable.flatten]]

```python
flatten(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1141)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Dùng cho việc cấp phát bộ nhớ, nếu cần, nếu không thì dùng pool mặc định.

**Trả về:**

`datasets.table.Table`

Phẳng hóa bảng này. Mỗi cột có kiểu struct sẽ được phẳng hóa thành một cột cho mỗi trường của struct. Các cột khác được giữ nguyên.

#### combine_chunks[[datasets.table.MemoryMappedTable.combine_chunks]]

```python
combine_chunks(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1157)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Dùng cho việc cấp phát bộ nhớ, nếu cần, nếu không thì dùng pool mặc định.

**Trả về:**

`datasets.table.Table`

Tạo một bảng mới bằng cách kết hợp các phần mà bảng này có.

Tất cả các chunk cơ bản trong ChunkedArray của mỗi cột được nối lại thành không hoặc một chunk.

#### cast[[datasets.table.MemoryMappedTable.cast]]

```python
cast(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1175)

**Tham số:**

target_schema (`Schema`) : Schema để chuyển đổi kiểu, tên và thứ tự của các trường phải khớp.

safe (`bool`, mặc định là `True`) : Kiểm tra các trường hợp tràn số hoặc các phép chuyển đổi không an toàn khác.

**Trả về:**

`datasets.table.Table`

Đổ giá trị bảng sang lược đồ khác

#### replace_schema_metadata[[datasets.table.MemoryMappedTable.replace_schema_metadata]]

```python
replace_schema_metadata(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1192)

**Tham số:**

metadata (`dict`, mặc định là `None`) --

**Trả về:** `datasets.table.Table`

shallow_copy

THỰC NGHIỆM: Tạo bản sao nông của bảng bằng cách thay thế các cặp khóa-giá trị trong metadata của schema bằng metadata mới được chỉ định (có thể là None, điều này sẽ xóa mọi metadata hiện có.

#### add_column[[datasets.table.MemoryMappedTable.add_column]]

```python
add_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1208)

**Tham số:**

i (`int`) : Chỉ số để đặt cột tại đó.

field_ (`Union[str, pyarrow.Field]`) : Nếu truyền vào một chuỗi, kiểu dữ liệu sẽ được suy ra từ dữ liệu của cột.

column (`Union[pyarrow.Array, List[pyarrow.Array]]`) : Dữ liệu cột.

**Trả về:** `datasets.table.Table`

Bảng mới với cột được truyền thêm vào.

Thêm cột vào Bảng tại vị trí.

Một bảng mới được trả về với cột đã được thêm vào, trong khi đối tượng bảng gốc không bị thay đổi.

#### append_column[[datasets.table.MemoryMappedTable.append_column]]

```python
append_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1231)

**Tham số:**

field_ (`Union[str, pyarrow.Field]`) : Nếu truyền vào một chuỗi, kiểu dữ liệu sẽ được suy ra từ dữ liệu của cột.

column (`Union[pyarrow.Array, List[pyarrow.Array]]`) : Dữ liệu cột.

**Trả về:** `datasets.table.Table`

Bảng mới với cột được truyền thêm vào.

Thêm cột vào cuối danh sách các cột.

#### remove_column[[datasets.table.MemoryMappedTable.remove_column]]

```python
remove_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1250)

**Tham số:**

i (`int`) : Chỉ số của cột cần xóa.

**Trả về:** `datasets.table.Table`

Bảng mới không có cột.

Tạo Table mới với cột được chỉ định đã bị xóa.

#### set_column[[datasets.table.MemoryMappedTable.set_column]]

```python
set_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1266)

**Tham số:**

i (`int`) : Chỉ số để đặt cột tại đó.

field_ (`Union[str, pyarrow.Field]`) : Nếu truyền vào một chuỗi, kiểu dữ liệu sẽ được suy ra từ dữ liệu của cột.

column (`Union[pyarrow.Array, List[pyarrow.Array]]`) : Dữ liệu cột.

**Trả về:** `datasets.table.Table`

Bảng mới với bộ cột đã truyền.

Thay thế cột trong Bảng tại vị trí.

#### rename_columns[[datasets.table.MemoryMappedTable.rename_columns]]

```python
rename_columns(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1287)

Tạo bảng mới với các cột được đổi tên thành các tên đã cung cấp.

#### chọn[[datasets.table.MemoryMappedTable.select]]

```python
select(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1314)

**Tham số:**

columns (`Union[List[str], List[int]]`) : Tên cột hoặc chỉ số nguyên để chọn.

**Trả về:** [datasets.table.Table](/docs/datasets/v5.2.0/vi/package_reference/table_classes#datasets.table.Table)

Bảng mới với các cột được chỉ định, và metadata được giữ nguyên.

Chọn các cột của bảng.

Trả về một bảng mới với các cột được chỉ định, và giữ nguyên các metadata.

#### drop[[datasets.table.MemoryMappedTable.drop]]

```python
drop(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1295)

**Tham số:**

columns (`List[str]`) : Danh sách tên trường tham chiếu đến các cột hiện có.

**Trả về:** `datasets.table.Table`

Bảng mới không có các cột.

**Lỗi:** ``KeyError``

- ``KeyError`` -- : nếu bất kỳ tên cột nào được truyền vào không tồn tại.

Xóa một hoặc nhiều cột và trả về một bảng mới.

#### from_file[[datasets.table.MemoryMappedTable.from_file]]

```python
from_file(filename: str, replays = None)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1081)

## ConcatenationTable[[datasets.table.ConcatenationTable]]

#### datasets.table.ConcatenationTable[[datasets.table.ConcatenationTable]]

```python
datasets.table.ConcatenationTable(table: Table, blocks: list)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1339)

Bảng được tạo ra từ việc nối (concatenation) nhiều bảng con gọi là khối (block). Nó cho phép nối theo cả trục 0 (thêm hàng) và trục 1 (thêm cột).

Các bảng cơ bản được gọi là "blocks" và có thể là các đối tượng `InMemoryTable` hoặc `MemoryMappedTable`. Điều này cho phép kết hợp các bảng đến từ bộ nhớ hoặc được ánh xạ bộ nhớ. Khi một `ConcatenationTable` được pickled, thì mỗi block sẽ được pickled:
- các đối tượng `InMemoryTable` được pickle bằng cách sao chép toàn bộ dữ liệu trong bộ nhớ.
- các đối tượng MemoryMappedTable được pickle mà không sao chép dữ liệu vào bộ nhớ.
Thay vào đó, chỉ đường dẫn đến tệp arrow được ánh xạ bộ nhớ (memory mapped) mới được pickle, cùng với danh sách các transform để "phát lại" (replays) khi tải lại bảng từ đĩa.

Việc triển khai yêu cầu lưu trữ từng khối riêng biệt. Thuộc tính `blocks` lưu trữ một danh sách các danh sách khối. Trục đầu tiên nối các bảng dọc theo trục 0 (thêm các hàng), trong khi trục thứ hai nối các bảng dọc theo trục 1 (thêm các cột).

Nếu một số cột bị thiếu khi ghép nối theo trục 0, chúng sẽ được điền bằng các giá trị null. Thao tác này được thực hiện bằng `pyarrow.concat_tables(tables, promote=True)`.

Bạn có thể truy cập bảng kết hợp hoàn chỉnh bằng cách truy cập thuộc tính `ConcatenationTable.table`, và các khối bằng cách truy cập thuộc tính `ConcatenationTable.blocks`.

#### validate[[datasets.table.ConcatenationTable.validate]]

```python
validate(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L235)

**Tham số:**

full (`bool`, mặc định là `False`) : Nếu `True`, chạy các kiểm tra tốn kém, ngược lại chỉ chạy các kiểm tra nhẹ.

**Lỗi:** ``pa.lib.ArrowInvalid``

- ``pa.lib.ArrowInvalid`` -- nếu kiểm tra hợp lệ thất bại

Thực hiện các kiểm tra xác thực. Một ngoại lệ sẽ được ném ra nếu xác thực thất bại.

Mặc định chỉ chạy các kiểm tra xác thực chi phí thấp. Truyền `full=True` để chạy các kiểm tra xác thực kỹ lưỡng (có thể `O(n)`).

#### equals[[datasets.table.ConcatenationTable.equals]]

```python
equals(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L251)

**Tham số:**

other ([Bảng](/docs/datasets/v5.2.0/vi/package_reference/table_classes#datasets.table.Table)) : Bảng để so sánh.

check_metadata `bool`, mặc định là `False`) : Xác định xem có nên kiểm tra cả sự bằng nhau của metadata schema hay không.

**Trả về:** `bool`

Kiểm tra xem nội dung của hai bảng có bằng nhau không.

#### to_batches[[datasets.table.ConcatenationTable.to_batches]]

```python
to_batches(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L268)

**Tham số:**

max_chunksize (`int`, mặc định là `None`) : Kích thước tối đa cho các khối `RecordBatch`. Kích thước của từng khối có thể nhỏ hơn tùy thuộc vào bố cục khối của từng cột riêng lẻ.

**Trả về:**

`List[pyarrow.RecordBatch]`

Chuyển đổi Table thành danh sách các đối tượng `RecordBatch` (liên tục).

#### to_pydict[[datasets.table.ConcatenationTable.to_pydict]]

```python
to_pydict(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L282)

**Trả về:** `dict`

Chuyển đổi Table thành `dict` hoặc `OrderedDict`.

#### to_pandas[[datasets.table.ConcatenationTable.to_pandas]]

```python
to_pandas(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L300)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Arrow MemoryPool được sử dụng cho các phân bổ bộ nhớ. Sử dụng memory pool mặc định nếu không được truyền vào.

strings_to_categorical (`bool`, mặc định là `False`) : Mã hóa các kiểu chuỗi (UTF8) và nhị phân thành `pandas.Categorical`.

categories (`list`, mặc định là `empty`) : Danh sách các trường cần được trả về dưới dạng `pandas.Categorical`. Chỉ áp dụng cho các cấu trúc dữ liệu dạng bảng.

zero_copy_only (`bool`, mặc định là `False`) : Ném một `ArrowException` nếu việc gọi hàm này sẽ yêu cầu sao chép dữ liệu bên dưới.

integer_object_nulls (`bool`, mặc định là `False`) : Chuyển các số nguyên có giá trị null sang kiểu object.

date_as_object (`bool`, mặc định là `True`) : Chuyển đổi ngày thành các đối tượng. Nếu `False`, chuyển đổi sang kiểu dữ liệu `datetime64[ns]`.

timestamp_as_object (`bool`, mặc định là `False`) : Chuyển đổi các mốc thời gian không phải nanogiây (`np.datetime64`) thành các đối tượng. Điều này hữu ích nếu bạn có các mốc thời gian không nằm trong khoảng ngày tháng thông thường của mốc thời gian nanogiây (năm 1678 - năm 2262). Nếu `False`, tất cả các mốc thời gian sẽ được chuyển đổi sang kiểu dữ liệu `datetime64[ns]`.

use_threads (`bool`, mặc định là `True`) : Có nên song song hóa quá trình chuyển đổi bằng nhiều luồng hay không.

deduplicate_objects (`bool`, mặc định là `False`) : Không tạo nhiều bản sao của các đối tượng Python khi được khởi tạo, nhằm tiết kiệm bộ nhớ. Quá trình chuyển đổi sẽ chậm hơn.

ignore_metadata (`bool`, mặc định là `False`) : Nếu `True`, không sử dụng metadata của 'pandas' để tái tạo chỉ mục của DataFrame, nếu có.

safe (`bool`, mặc định là `True`) : Đối với một số kiểu dữ liệu nhất định, cần phải chuyển đổi kiểu (cast) để lưu trữ dữ liệu trong một DataFrame hoặc Series của pandas (ví dụ: timestamp luôn được lưu trữ dưới dạng nanosecond trong pandas). Tùy chọn này kiểm soát việc chuyển đổi kiểu đó có an toàn hay không.

split_blocks (`bool`, mặc định là `False`) : Nếu `True`, sẽ tạo một "block" nội bộ cho mỗi cột khi tạo một pandas.DataFrame từ một `RecordBatch` hoặc `Table`. Mặc dù điều này có thể tạm thời giảm bộ nhớ, hãy lưu ý rằng các thao tác pandas khác nhau có thể kích hoạt "consolidation" (gộp bộ nhớ), điều này có thể làm tăng vọt mức sử dụng bộ nhớ.

self_destruct (`bool`, mặc định là `False`) : THỰC NGHIỆM: Nếu `True`, sẽ cố gắng giải phóng bộ nhớ Arrow nguồn trong khi chuyển đổi đối tượng Arrow sang pandas. Nếu bạn sử dụng đối tượng sau khi gọi `to_pandas` với tùy chọn này, chương trình của bạn sẽ bị lỗi.

types_mapper (`function`, mặc định là `None`) : Một hàm ánh xạ một kiểu dữ liệu pyarrow sang một `ExtensionDtype` của pandas. Hàm này có thể được dùng để ghi đè kiểu pandas mặc định cho việc chuyển đổi các kiểu pyarrow tích hợp sẵn hoặc khi không có `pandas_metadata` trong schema của Table. Hàm nhận vào một kiểu dữ liệu pyarrow và được kỳ vọng trả về một `ExtensionDtype` của pandas hoặc `None` nếu nên dùng chuyển đổi mặc định cho kiểu đó. Nếu bạn có một từ điển ánh xạ, bạn có thể truyền `dict.get` làm hàm.

**Trả về:** `pandas.Series` hoặc `pandas.DataFrame`

`pandas.Series` hoặc `pandas.DataFrame` tùy thuộc vào kiểu của đối tượng

Chuyển đổi thành mảng NumPy hoặc DataFrame tương thích với pandas, tùy theo trường hợp.

#### to_string[[datasets.table.ConcatenationTable.to_string]]

```python
to_string(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L362)

#### trường[[datasets.table.ConcatenationTable.field]]

```python
field(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L381)

**Tham số:**

i (`Union[int, str]`) : Chỉ số hoặc tên của trường cần truy xuất.

**Trả về:**

`pyarrow.Field`

Chọn một trường schema theo tên cột hoặc chỉ số số.

#### cột[[datasets.table.ConcatenationTable.column]]

```python
column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L394)

**Tham số:**

i (`Union[int, str]`) : Chỉ số hoặc tên của cột cần truy xuất.

**Trả về:**

`pyarrow.ChunkedArray`

Chọn một cột theo tên cột hoặc chỉ số số của nó.

#### itercolumns[[datasets.table.ConcatenationTable.itercolumns]]

```python
itercolumns(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L407)

**Trả về:**

`pyarrow.ChunkedArray`

Trình lặp qua tất cả các cột theo thứ tự số.

#### schema[[datasets.table.ConcatenationTable.schema]]

```python
schema()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L416)

**Trả về:**

`pyarrow.Schema`

Sơ đồ của bảng và các cột của nó.

#### columns[[datasets.table.ConcatenationTable.columns]]

```python
columns()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L426)

**Trả về:**

`List[pa.ChunkedArray]`

Danh sách tất cả các cột theo thứ tự số.

#### num_columns[[datasets.table.ConcatenationTable.num_columns]]

```python
num_columns()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L436)

**Trả về:**

int

Số cột trong bảng này.

#### num_rows[[datasets.table.ConcatenationTable.num_rows]]

```python
num_rows()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L446)

**Trả về:**

int

Số dòng trong bảng này.

Do định nghĩa của bảng, tất cả các cột đều có cùng số hàng.

#### shape[[datasets.table.ConcatenationTable.shape]]

```python
shape()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L459)

**Trả về:** `(int, int)`

Số hàng và số cột.

Kích thước của bảng: (#rows, #columns).

#### nbytes[[datasets.table.ConcatenationTable.nbytes]]

```python
nbytes()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L469)

Tổng số byte được tiêu thụ bởi các phần tử của bảng.

#### column_names[[datasets.table.ConcatenationTable.column_names]]

```python
column_names()
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L476)

Tên của các cột trong bảng.

#### slice[[datasets.table.ConcatenationTable.slice]]

```python
slice(offset = 0, length = None)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1548)

**Tham số:**

offset (`int`, mặc định là `0`) : Độ lệch từ đầu bảng đến phần cắt.

length (`int`, mặc định là `None`) : Độ dài của lát cắt (mặc định là đến hết bảng tính từ offset).

**Trả về:**

`datasets.table.Table`

Tính toán lát cắt sao chép không (zero-copy) của Table này.

#### lọc[[datasets.table.ConcatenationTable.filter]]

```python
filter(mask, *args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1579)

Chọn các bản ghi từ một Table. Xem `pyarrow.compute.filter` để biết cách sử dụng đầy đủ.

#### flatten[[datasets.table.ConcatenationTable.flatten]]

```python
flatten(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1590)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Dùng cho việc cấp phát bộ nhớ, nếu cần, nếu không thì dùng pool mặc định.

**Trả về:**

`datasets.table.Table`

Phẳng hóa bảng này. Mỗi cột có kiểu struct sẽ được phẳng hóa thành một cột cho mỗi trường của struct. Các cột khác được giữ nguyên.

#### combine_chunks[[datasets.table.ConcatenationTable.combine_chunks]]

```python
combine_chunks(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1608)

**Tham số:**

memory_pool (`MemoryPool`, mặc định là `None`) : Dùng cho việc cấp phát bộ nhớ, nếu cần, nếu không thì dùng pool mặc định.

**Trả về:**

`datasets.table.Table`

Tạo một bảng mới bằng cách kết hợp các phần mà bảng này có.

Tất cả các khối cơ bản trong `ChunkedArray` của mỗi cột được nối lại thành không hoặc một khối.

#### cast[[datasets.table.ConcatenationTable.cast]]

```python
cast(target_schema, *args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1628)

**Tham số:**

target_schema (`Schema`) : Schema để chuyển đổi kiểu, tên và thứ tự của các trường phải khớp.

safe (`bool`, mặc định là `True`) : Kiểm tra các trường hợp tràn số hoặc các phép chuyển đổi không an toàn khác.

**Trả về:**

`datasets.table.Table`

Đổ giá trị bảng sang lược đồ khác.

#### replace_schema_metadata[[datasets.table.ConcatenationTable.replace_schema_metadata]]

```python
replace_schema_metadata(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1659)

**Tham số:**

metadata (`dict`, mặc định là `None`) --

**Trả về:** `datasets.table.Table`

shallow_copy

THỰC NGHIỆM: Tạo bản sao nông của bảng bằng cách thay thế metadata dạng cặp khóa-giá trị của schema bằng metadata mới được chỉ định (có thể là `None`, điều này sẽ xóa mọi metadata hiện có).

#### add_column[[datasets.table.ConcatenationTable.add_column]]

```python
add_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1677)

**Tham số:**

i (`int`) : Chỉ số để đặt cột tại đó.

field_ (`Union[str, pyarrow.Field]`) : Nếu truyền vào một chuỗi, kiểu dữ liệu sẽ được suy ra từ dữ liệu của cột.

column (`Union[pyarrow.Array, List[pyarrow.Array]]`) : Dữ liệu cột.

**Trả về:** `datasets.table.Table`

Bảng mới với cột được truyền thêm vào.

Thêm cột vào Bảng tại vị trí.

Một bảng mới được trả về với cột đã được thêm vào, trong khi đối tượng bảng gốc không bị thay đổi.

#### append_column[[datasets.table.ConcatenationTable.append_column]]

```python
append_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1698)

**Tham số:**

field_ (`Union[str, pyarrow.Field]`) : Nếu truyền vào một chuỗi, kiểu dữ liệu sẽ được suy ra từ dữ liệu của cột.

column (`Union[pyarrow.Array, List[pyarrow.Array]]`) : Dữ liệu cột.

**Trả về:** `datasets.table.Table`

Bảng mới với cột được truyền thêm vào.

Thêm cột vào cuối danh sách các cột.

#### remove_column[[datasets.table.ConcatenationTable.remove_column]]

```python
remove_column(i, *args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1715)

**Tham số:**

i (`int`) : Chỉ số của cột cần xóa.

**Trả về:** `datasets.table.Table`

Bảng mới không có cột.

Tạo Table mới với cột được chỉ định đã bị xóa.

#### set_column[[datasets.table.ConcatenationTable.set_column]]

```python
set_column(*args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1739)

**Tham số:**

i (`int`) : Chỉ số để đặt cột tại đó.

field_ (`Union[str, pyarrow.Field]`) : Nếu truyền vào một chuỗi, kiểu dữ liệu sẽ được suy ra từ dữ liệu của cột.

column (`Union[pyarrow.Array, List[pyarrow.Array]]`) : Dữ liệu cột.

**Trả về:** `datasets.table.Table`

Bảng mới với bộ cột đã truyền.

Thay thế cột trong Bảng tại vị trí.

#### rename_columns[[datasets.table.ConcatenationTable.rename_columns]]

```python
rename_columns(names, *args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1758)

Tạo bảng mới với các cột được đổi tên thành các tên đã cung cấp.

#### chọn[[datasets.table.ConcatenationTable.select]]

```python
select(columns, *args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1792)

**Tham số:**

columns (`Union[List[str], List[int]]`) : Tên cột hoặc chỉ số nguyên để chọn.

**Trả về:** [datasets.table.Table](/docs/datasets/v5.2.0/vi/package_reference/table_classes#datasets.table.Table)

Bảng mới với các cột được chỉ định, và metadata được giữ nguyên.

Chọn các cột của bảng.

Trả về một bảng mới với các cột được chỉ định, và giữ nguyên các metadata.

#### drop[[datasets.table.ConcatenationTable.drop]]

```python
drop(columns, *args, **kwargs)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1771)

**Tham số:**

columns (`List[str]`) : Danh sách tên trường tham chiếu đến các cột hiện có.

**Trả về:** `datasets.table.Table`

Bảng mới không có các cột.

**Lỗi:** ``KeyError``

- ``KeyError`` -- : nếu bất kỳ tên cột nào được truyền vào không tồn tại.

Xóa một hoặc nhiều cột và trả về một bảng mới.

#### from_blocks[[datasets.table.ConcatenationTable.from_blocks]]

```python
from_blocks(blocks: ~TableBlockContainer)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1444)

#### from_tables[[datasets.table.ConcatenationTable.from_tables]]

```python
from_tables(tables: list, axis: int = 0)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1458)

**Tham số:**

tables (danh sách `Table` hoặc danh sách `pyarrow.Table`) : Danh sách các bảng.

axis (`{0, 1}`, mặc định là `0`, nghĩa là theo hàng) : Trục để ghép nối, trong đó `0` nghĩa là theo hàng (theo chiều dọc) và `1` nghĩa là theo cột (theo chiều ngang).

Tạo `ConcatenationTable` từ danh sách các bảng.

## Công cụ[[datasets.table.concat_tables]]

#### datasets.table.concat_tables[[datasets.table.concat_tables]]

```python
datasets.table.concat_tables(tables: list, axis: int = 0)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1812)

**Tham số:**

tables (danh sách `Table`) : Danh sách các bảng cần được nối lại với nhau.

axis (`{0, 1}`, mặc định là `0`, nghĩa là theo hàng) : Trục để ghép nối, trong đó `0` nghĩa là theo hàng (theo chiều dọc) và `1` nghĩa là theo cột (theo chiều ngang).

**Trả về:** `datasets.table.Table`

Nếu số lượng bảng đầu vào > 1, thì bảng được trả về là `datasets.table.ConcatenationTable`. Ngược lại, nếu chỉ có một bảng, bảng đó được trả về nguyên vẹn.

Nối các bảng.

#### datasets.table.list_table_cache_files[[datasets.table.list_table_cache_files]]

```python
datasets.table.list_table_cache_files(table: Table)
```

[Nguồn](https://github.com/huggingface/datasets/blob/5.2.0/src/datasets/table.py#L1835)

**Trả về:** `List[str]`

Danh sách các đường dẫn đến các tệp cache được bảng tải.

Lấy các tệp cache được nạp bởi bảng. Các tệp cache được sử dụng khi một phần của bảng được lấy từ đĩa thông qua ánh xạ bộ nhớ.