# PyArrow ile kullanma

Bu belge, `datasets` kütüphanesinin PyArrow ile kullanımına hızlı bir giriş niteliğindedir; özellikle Arrow compute işlevleri kullanılarak veri kümelerinin nasıl işlendiği ve bir veri kümesinin PyArrow'a nasıl dönüştürüldüğü veya PyArrow'dan nasıl alındığı konularına odaklanır.

Bu özellikle faydalıdır çünkü `datasets` alt yapısında PyArrow kullandığı için hızlı sıfır kopyalama işlemlerine olanak tanır.

## Veri seti biçimi

Varsayılan olarak veri kümeleri, tamsayılar, ondalık sayılar, dizeler, listeler gibi standart Python nesneleri döndürür.

Bunun yerine PyArrow Tabloları veya Dizileri almak için, veri setinin biçimini [Dataset.with_format()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.with_format) kullanarak `pyarrow` olarak ayarlayabilirsiniz:

```py
>>> from datasets import Dataset
>>> data = {"col_0": ["a", "b", "c", "d"], "col_1": [0., 0., 1., 1.]}
>>> ds = Dataset.from_dict(data)
>>> ds = ds.with_format("arrow")
>>> ds[0]       # pa.Table
pyarrow.Table
col_0: string
col_1: double
----
col_0: [["a"]]
col_1: [[0]]
>>> ds[:2]      # pa.Table
pyarrow.Table
col_0: string
col_1: double
----
col_0: [["a","b"]]
col_1: [[0,0]]
>>> ds["data"]  # pa.array
<pyarrow.lib.ChunkedArray object at 0x1394312a0>
[
  [
    "a",
    "b",
    "c",
    "d"
  ]
]
```

Bu, örneğin `load_dataset(..., streaming=True)` kullanılarak elde edilen `IterableDataset` nesneleri için de geçerlidir:

```py
>>> ds = ds.with_format("arrow")
>>> for table in ds.iter(batch_size=2):
...     print(table)
...     break
pyarrow.Table
col_0: string
col_1: double
----
col_0: [["a","b"]]
col_1: [[0,0]]
```

## Verileri işleyin

PyArrow işlevleri genel olarak elle yazılmış standart python işlevlerinden daha hızlıdır ve bu nedenle veri işleme optimizasyonu için iyi bir seçenektir. Bir veri setini [Dataset.map()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.map) veya [Dataset.filter()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.filter) içinde işlemek için Arrow compute işlevlerini kullanabilirsiniz:

```python
>>> import pyarrow.compute as pc
>>> from datasets import Dataset
>>> data = {"col_0": ["a", "b", "c", "d"], "col_1": [0., 0., 1., 1.]}
>>> ds = Dataset.from_dict(data)
>>> ds = ds.with_format("arrow")
>>> ds = ds.map(lambda t: t.append_column("col_2", pc.add(t["col_1"], 1)), batched=True)
>>> ds[:2]
pyarrow.Table
col_0: string
col_1: double
col_2: double
----
col_0: [["a","b"]]
col_1: [[0,0]]
col_2: [[1,1]]
>>> ds = ds.filter(lambda t: pc.equal(t["col_0"], "b"), batched=True)
>>> ds[0]
pyarrow.Table
col_0: string
col_1: double
col_2: double
----
col_0: [["b"]]
col_1: [[0]]
col_2: [[1]]
```

PyArrow'da veri satır satır işlemek yerine partiler halinde işlemek daha hızlı olduğu için `batched=True` kullanıyoruz. Ayrıca `map()` içinde `batch_size=` parametresini kullanarak her bir `table` için boyutu ayarlamak da mümkündür.

Bu, [IterableDataset.map()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.IterableDataset.map) ve [IterableDataset.filter()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.IterableDataset.filter) için de geçerlidir.

## PyArrow'dan İçe Aktarma veya Dışa Aktarma

[Dataset](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset), bir PyArrow Table sarmalayıcısıdır; bir Dataset'i doğrudan Table'dan oluşturabilirsiniz:

```python
ds = Dataset(table)
```

Bir veri setinin PyArrow Table'ına [Dataset.data](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.data) ile erişebilirsiniz; bu, Arrow verisinin kaynağına ve uygulanan işlemlere bağlı olarak bir `MemoryMappedTable`, bir `InMemoryTable` veya bir `ConcatenationTable` döndürür.

Bu nesneler, `Dataset.data.table` adresinde erişilebilen alttaki PyArrow tablosunu sarmalar. Bu tablo, veri setinin tüm verilerini içerir; ancak veri satırı indekslerini PyArrow Tablo satır indekslerine eşleyen bir indeks eşlemesi de `Dataset._indices` adresinde bulunabilir. Bu durum, veri seti [Dataset.shuffle()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.shuffle) ile karıştırıldığında veya satırların yalnızca bir alt kümesi kullanıldığında (ör. [Dataset.select()](/docs/datasets/v5.2.0/tr/package_reference/main_classes#datasets.Dataset.select) sonrasında) ortaya çıkabilir.

Genel durumda, bir veri setini `table = ds.with_format("arrow")[:]` kullanarak PyArrow Table olarak dışa aktarabilirsiniz.

