需要帮助将cuDF数据帧转换为cupy ndarray吗

Question

我想将cuDF数据帧转换为cupy ndarray。 我正在使用以下代码：

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.

我得到这个错误是因为数据集有空值。 我该怎么做

Answer 1

让我们讨论两个问题：）

从cudf df到cupy ndarray:您可以使用to_gpu_matrix并将其强制转换为cupy数组，如下所示。这使它保持在GPU上，因为这是相当有效的

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

https://docs.rapids.ai/api/cudf/stable/api.html#cudf.core.dataframe.DataFrame.to_gpu_matrix

在未来（甚至现在，我还不知道），可能有一个更直接的方法。如果出于某种原因，你需要DLPack，好吧，你的方法行得通。这就引出了第二个问题

空值：要填写空值，应使用.fillna()。使用一个您可以判断出不合适的值。 https://docs.rapids.ai/api/cudf/stable/api.html#cudf.core.dataframe.DataFrame.fillna

它们合在一起可以如下所示：

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

输出类型为cupy.core.core.ndarray

我的测试df的输出阵列是：

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

其中-1是我人工创建的空值

希望有帮助