python - 需要帮助将 cuDF Dataframe 转换为 cupy ndarray

Question

我想将 cuDF 数据框转换为 cupy ndarray。我在下面使用这段代码:

import time
import numpy as np
import cupy as cp
import cudf
from numba import cuda
df = cudf.read_csv('titanic.csv')
arr_cupy = cp.fromDlpack(df.to_dlpack())

输出:

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-176-0d6ff9785189> in <module>
----> 1 arr_cupy = cp.fromDlpack(df.to_dlpack())

~/.conda/envs/rapids_013/lib/python3.7/site-packages/cudf/core/dataframe.py in to_dlpack(self)
   3821         import cudf.io.dlpack as dlpack
   3822 
-> 3823         return dlpack.to_dlpack(self)
   3824 
   3825     @ioutils.doc_to_csv()

~/.conda/envs/rapids_013/lib/python3.7/site-packages/cudf/io/dlpack.py in to_dlpack(cudf_obj)
     72         )
     73 
---> 74     return libdlpack.to_dlpack(gdf_cols)

cudf/_libxx/dlpack.pyx in cudf._libxx.dlpack.to_dlpack()

ValueError: Cannot create a DLPack tensor with null values.                     Input is required to have null count as zero.

我收到这个错误是因为数据集有空值。我该怎么做？？

Answer 1

让我们解决您的两个问题:)

从 cudf df 到 cupy ndarray:您可以使用 as_gpu_matrix 并将其转换为如下所示的 cupy 数组。这样可以非常高效地将所有内容都保存在 GPU 上。

arr_cupy = cp.array(df.as_gpu_matrix())

https://docs.rapids.ai/api/cudf/stable/api_docs/api/cudf.DataFrame.as_gpu_matrix.html

在未来(甚至我还不知道的现在)，可能会有更直接的方式。如果出于某种原因您需要 DLPack，好吧，您的方法行得通。这就把我们带到了第二个问题......

空值:要填充您的空值，您应该使用.fillna()。使用一个你可以看出不合适的值。 https://docs.rapids.ai/api/cudf/stable/api_docs/api/cudf.DataFrame.fillna.html

放在一起，它们看起来像这样:

arr_cupy = cp.array(df.fillna(-1).to_gpu_matrix())

输出类型是cupy.core.core.ndarray

我的测试 df 的输出数组是:

array([[          0,    17444256,        1200],
       [          1,   616285571,         987],
       [          2,          -1,         407],
       ...,

其中-1是我人为创建的null

希望对您有所帮助!