跳到主要内容
Ctrl+K
Apache Arrow v20.0.0 - Home Apache Arrow v20.0.0 - Home
  • 规范
  • 开发
    • C/GLib
    • C++
    • C#
    • Go
    • Java
    • JavaScript
    • Julia
    • MATLAB
    • nanoarrow
    • Python
    • R
    • Ruby
    • Rust
    • 实现状态
    • C++ 食谱
    • Java 食谱
    • Python 食谱
    • R 食谱
  • GitHub
  • LinkedIn
  • X
  • 规范
  • 开发
  • C/GLib
  • C++
  • C#
  • Go
  • Java
  • JavaScript
  • Julia
  • MATLAB
  • nanoarrow
  • Python
  • R
  • Ruby
  • Rust
  • 实现状态
  • C++ 食谱
  • Java 食谱
  • Python 食谱
  • R 食谱
  • GitHub
  • LinkedIn
  • X

章节导航

  • 入门
    • 在您自己的项目中使用 Arrow C++
    • 约定
    • 基本 Arrow 数据结构
    • Arrow 文件 I/O
    • Arrow 计算
    • Arrow 数据集
  • 用户指南
    • 高层概述
    • 内存管理
    • 数组
    • 数据类型
    • 表格数据
    • 计算函数
    • Gandiva 表达式编译器
      • Gandiva 表达式、投影器和过滤器
      • Gandiva 外部函数开发指南
    • Acero：一个 C++ 流式执行引擎
      • Acero 概述
      • Acero 用户指南
      • 将 Acero 与 Substrait 结合使用
      • 开发者指南
    • 输入/输出和文件系统
    • 读取和写入 Arrow IPC 格式
    • 读取和写入 ORC 文件
    • 读取和写入 Parquet 文件
    • 读取和写入 CSV 文件
    • 读取 JSON 文件
    • 表格数据集
    • Arrow Flight RPC
    • 使用 Arrow 调试代码
    • 线程管理
    • OpenTelemetry
    • 环境变量
  • 示例
    • 使用 CMake 的最小构建
    • 计算和写入 CSV 示例
    • Arrow 数据集示例
    • Arrow Skyhook 示例
    • Parquet 列加密
    • 行到列的转换
    • std::tuple 类似范围到 Arrow
    • 将 RecordBatch 转换为 Tensor
  • API 参考
    • 编程支持
    • 内存（管理）
    • 线程（管理）
    • 数据类型
    • 数组
    • 标量
    • 数组构建器
    • 二维数据集
    • C 接口
    • 计算函数
    • 流式执行 (Acero)
    • Gandiva 表达式编译器
    • 张量
    • 实用程序
    • 异步编程
    • 输入/输出
    • Arrow IPC
    • 文件格式
    • CUDA 支持
    • Arrow Flight RPC
    • Arrow Flight SQL
    • 文件系统
    • 数据集
  • C++ 食谱
  • C++ 实现
  • 示例

示例#

  • 使用 CMake 的最小构建
  • 计算和写入 CSV 示例
  • Arrow 数据集示例
  • Arrow Skyhook 示例
  • Parquet 列加密
  • 行到列的转换
  • std::tuple 类似范围到 Arrow
  • 将 RecordBatch 转换为 Tensor

previous

环境变量

next

使用 CMake 的最小构建

在 GitHub 上编辑

© Copyright 2016-2025 Apache Software Foundation. Apache Arrow、Arrow、Apache、Apache feather 标志和 Apache Arrow 项目标志是 Apache Software Foundation 在美国和其他国家/地区的注册商标或商标。

使用 Sphinx 6.2.0 创建。

使用 PyData Sphinx Theme 0.16.1 构建。