> ## Documentation Index
> Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Principais diferenças em relação ao pandas

> Diferenças importantes entre DataStore e pandas

Embora o DataStore seja altamente compatível com o pandas, há diferenças importantes que precisam ser compreendidas.

<div id="summary">
  ## Tabela-resumo
</div>

| Aspecto              | pandas                    | DataStore                                                                                                       |
| -------------------- | ------------------------- | --------------------------------------------------------------------------------------------------------------- |
| **Execução**         | Imediata                  | preguiçosa (adiada)                                                                                             |
| **Tipos de retorno** | DataFrame/Series          | DataStore/ColumnExpr                                                                                            |
| **Ordem das linhas** | Preservada                | Preservada (automaticamente); não garantida no [modo de desempenho](/docs/pt-BR/chdb/configuration/performance-mode) |
| **inplace**          | Suportado                 | Não suportado                                                                                                   |
| **Índice**           | Suporte completo          | Simplificado                                                                                                    |
| **Memória**          | Todos os dados na memória | Dados na fonte                                                                                                  |

***

<div id="lazy-execution">
  ## 1. Execução preguiçosa vs imediata
</div>

<div id="pandas-eager">
  ### pandas (Execução imediata)
</div>

As operações são executadas imediatamente:

```python theme={null}
import pandas as pd

df = pd.read_csv("data.csv")  # Loads entire file NOW
result = df[df['age'] > 25]   # Filters NOW
grouped = result.groupby('city')['salary'].mean()  # Aggregates NOW
```

<div id="datastore-lazy">
  ### DataStore (preguiçoso)
</div>

As operações são postergadas até que os resultados sejam necessários:

```python theme={null}
from chdb import datastore as pd

ds = pd.read_csv("data.csv")  # Just records the source
result = ds[ds['age'] > 25]   # Just records the filter
grouped = result.groupby('city')['salary'].mean()  # Just records

# Execution happens here:
print(grouped)        # Executes when displaying
df = grouped.to_df()  # Or when converting to pandas
```

<div id="why-lazy">
  ### Por que isso importa
</div>

A execução preguiçosa permite:

* **Otimização de consultas**: várias operações são compiladas em uma única consulta SQL
* **Poda de colunas**: apenas as colunas necessárias são lidas
* **Pushdown de filtros**: os filtros são aplicados na origem
* **Eficiência no uso de memória**: não carregue dados desnecessários

***

<div id="return-types">
  ## 2. Tipos de retorno
</div>

<div id="pandas-return-types">
  ### pandas
</div>

```python theme={null}
df['col']           # Returns pd.Series
df[['a', 'b']]      # Returns pd.DataFrame
df[df['x'] > 10]    # Returns pd.DataFrame
df.groupby('x')     # Returns DataFrameGroupBy
```

<div id="datastore-return-types">
  ### DataStore
</div>

```python theme={null}
ds['col']           # Returns ColumnExpr (lazy)
ds[['a', 'b']]      # Returns DataStore (lazy)
ds[ds['x'] > 10]    # Returns DataStore (lazy)
ds.groupby('x')     # Returns LazyGroupBy
```

<div id="converting-to-pandas-types">
  ### Convertendo para os tipos do pandas
</div>

```python theme={null}
# Get pandas DataFrame
df = ds.to_df()
df = ds.to_pandas()

# Get pandas Series from column
series = ds['col'].to_pandas()

# Or trigger execution
print(ds)  # Automatically converts for display
```

***

<div id="triggers">
  ## 3. Gatilhos de execução
</div>

O DataStore é executado quando você precisa de valores reais:

| Gatilho              | Exemplo            | Observações                 |
| -------------------- | ------------------ | --------------------------- |
| `print()` / `repr()` | `print(ds)`        | A exibição requer dados     |
| `len()`              | `len(ds)`          | Requer a contagem de linhas |
| `.columns`           | `ds.columns`       | Requer nomes de colunas     |
| `.dtypes`            | `ds.dtypes`        | Requer informações de tipo  |
| `.shape`             | `ds.shape`         | Requer dimensões            |
| `.values`            | `ds.values`        | Requer os dados reais       |
| `.index`             | `ds.index`         | Requer o índice             |
| `to_df()`            | `ds.to_df()`       | Conversão explícita         |
| Iteração             | `for row in ds`    | Requer iteração             |
| `equals()`           | `ds.equals(other)` | Requer comparação           |

<div id="stay-lazy">
  ### Operações que permanecem preguiçosas
</div>

| Operação         | Retorna     |
| ---------------- | ----------- |
| `filter()`       | DataStore   |
| `select()`       | DataStore   |
| `sort()`         | DataStore   |
| `groupby()`      | LazyGroupBy |
| `join()`         | DataStore   |
| `ds['col']`      | ColumnExpr  |
| `ds[['a', 'b']]` | DataStore   |
| `ds[condition]`  | DataStore   |

***

<div id="row-order">
  ## 4. Ordem das linhas
</div>

<div id="pandas-return-types">
  ### pandas
</div>

A ordem das linhas é sempre preservada:

```python theme={null}
df = pd.read_csv("data.csv")
print(df.head())  # Always same order as file
```

<div id="datastore-return-types">
  ### DataStore
</div>

A ordem das linhas é **preservada automaticamente** na maioria das operações:

```python theme={null}
ds = pd.read_csv("data.csv")
print(ds.head())  # Matches file order

# Filter preserves order
ds_filtered = ds[ds['age'] > 25]  # Same order as pandas
```

DataStore rastreia automaticamente, internamente, as posições originais das linhas (usando `rowNumberInAllBlocks()`) para garantir que a ordem permaneça consistente com o pandas.

<div id="order-preserved">
  ### Quando a ordem é preservada
</div>

* Fontes de arquivo (CSV, Parquet, JSON etc.)
* Fontes de DataFrame do pandas
* Operações de filtro
* Seleção de colunas
* Após o uso explícito de `sort()` ou `sort_values()`
* Operações que definem a ordem (`nlargest()`, `nsmallest()`, `head()`, `tail()`)

<div id="order-may-differ">
  ### Quando a ordem pode variar
</div>

* Após agregações `groupby()` (use `sort_values()` para garantir uma ordem consistente)
* Após `merge()` / `join()` com determinados tipos de join
* No **modo de desempenho** (`config.use_performance_mode()`): a ordem das linhas não é garantida em nenhuma operação. Veja [Modo de desempenho](/docs/pt-BR/chdb/configuration/performance-mode).

***

<div id="no-inplace">
  ## 5. Sem o parâmetro `inplace`
</div>

<div id="pandas-return-types">
  ### pandas
</div>

```python theme={null}
df.drop(columns=['col'], inplace=True)  # Modifies df
df.fillna(0, inplace=True)              # Modifies df
df.rename(columns={'old': 'new'}, inplace=True)
```

<div id="datastore-return-types">
  ### DataStore
</div>

`inplace=True` não é suportado. Sempre atribua o resultado:

```python theme={null}
ds = ds.drop(columns=['col'])           # Returns new DataStore
ds = ds.fillna(0)                       # Returns new DataStore
ds = ds.rename(columns={'old': 'new'})  # Returns new DataStore
```

<div id="why-no-inplace">
  ### Por que não `inplace`?
</div>

DataStore usa operações imutáveis para permitir:

* Construção de consultas (lazy evaluation)
* Segurança em ambientes multithread
* Depuração facilitada
* Código mais limpo

***

<div id="index">
  ## 6. Suporte a índices
</div>

<div id="pandas-return-types">
  ### pandas
</div>

Suporte completo a índices:

```python theme={null}
df = df.set_index('id')
df.loc['user123']           # Label-based access
df.loc['a':'z']             # Label-based slicing
df.reset_index()
df.index.name = 'user_id'
```

<div id="datastore-return-types">
  ### DataStore
</div>

Suporte simplificado a índices:

```python theme={null}
# Basic operations work
ds.loc[0:10]               # Integer position
ds.iloc[0:10]              # Same as loc for DataStore

# For pandas-style index operations, convert first
df = ds.to_df()
df = df.set_index('id')
df.loc['user123']
```

<div id="datastore-source-matters">
  ### A origem do DataStore faz diferença
</div>

* **Origem DataFrame**: preserva o índice do pandas
* **Origem File**: usa um índice inteiro simples

***

<div id="comparison">
  ## 7. Comportamento das comparações
</div>

<div id="comparing-with-pandas">
  ### Comparação com o pandas
</div>

O pandas não reconhece objetos DataStore:

```python theme={null}
import pandas as pd
from chdb import datastore as ds

pdf = pd.DataFrame({'a': [1, 2, 3]})
dsf = ds.DataFrame({'a': [1, 2, 3]})

# This doesn't work as expected
pdf == dsf  # pandas doesn't know DataStore

# Solution: convert DataStore to pandas
pdf.equals(dsf.to_pandas())  # True
```

<div id="using-equals">
  ### Como usar equals()
</div>

```python theme={null}
# DataStore.equals() also works
dsf.equals(pdf)  # Compares with pandas DataFrame
```

***

<div id="types">
  ## 8. Inferência de tipos
</div>

<div id="pandas-return-types">
  ### pandas
</div>

Usa tipos do numpy/pandas:

```python theme={null}
df['col'].dtype  # int64, float64, object, datetime64, etc.
```

<div id="datastore-return-types">
  ### DataStore
</div>

Pode usar tipos do ClickHouse:

```python theme={null}
ds['col'].dtype  # Int64, Float64, String, DateTime, etc.

# Types are converted when going to pandas
df = ds.to_df()
df['col'].dtype  # Now pandas type
```

<div id="explicit-casting">
  ### Conversão de tipo explícita
</div>

```python theme={null}
# Force specific type
ds['col'] = ds['col'].astype('int64')
```

***

<div id="memory">
  ## 9. Modelo de memória
</div>

<div id="pandas-return-types">
  ### pandas
</div>

Todos os dados ficam na memória:

```python theme={null}
df = pd.read_csv("huge.csv")  # 10GB in memory!
```

<div id="datastore-return-types">
  ### DataStore
</div>

Os dados permanecem na origem até que sejam necessários:

```python theme={null}
ds = pd.read_csv("huge.csv")  # Just metadata
ds = ds.filter(ds['year'] == 2024)  # Still just metadata

# Only filtered result is loaded
df = ds.to_df()  # Maybe only 1GB now
```

***

<div id="errors">
  ## 10. Mensagens de erro
</div>

<div id="different-error-sources">
  ### Diferentes fontes de erros
</div>

* **erros do pandas**: Da biblioteca pandas
* **erros do DataStore**: Do chDB ou do ClickHouse

```python theme={null}
# May see ClickHouse-style errors
# "Code: 62. DB::Exception: Syntax error..."
```

<div id="debugging-tips">
  ### Dicas de depuração
</div>

```python theme={null}
# View the SQL to debug
print(ds.to_sql())

# See execution plan
ds.explain()

# Enable debug logging
from chdb.datastore.config import config
config.enable_debug()
```

***

<div id="checklist">
  ## Checklist de migração
</div>

Ao migrar a partir do pandas:

* [ ] Altere a instrução de importação
* [ ] Remova os parâmetros `inplace=True`
* [ ] Adicione `to_df()` explicitamente onde um DataFrame do pandas for necessário
* [ ] Adicione ordenação se a ordem das linhas for importante
* [ ] Use `to_pandas()` em testes de comparação
* [ ] Teste com volumes de dados representativos

***

<div id="quick-ref">
  ## Referência rápida
</div>

| pandas                  | DataStore                      |
| ----------------------- | ------------------------------ |
| `df[condition]`         | O mesmo (retorna DataStore)    |
| `df.groupby()`          | O mesmo (retorna LazyGroupBy)  |
| `df.drop(inplace=True)` | `ds = ds.drop()`               |
| `df.equals(other)`      | `ds.to_pandas().equals(other)` |
| `df.loc['label']`       | `ds.to_df().loc['label']`      |
| `print(df)`             | O mesmo (dispara a execução)   |
| `len(df)`               | O mesmo (dispara a execução)   |