fume-manage-python.git

U  
¬ý°d ãu@s$
UddlmZddlZddlmZddlmZddlZddlZddlZddl    Z    ddl
mZddlm Z mZmZmZmZmZddlZddlmZmZmZddlmZmZmZdd    lmZdd
lm Z m!Z!m"Z"m#Z#m$Z$m%Z%ddl&Z'ddl&m(Z(m)Z)m*Z*m+Z+m,Z,m-Z-m.Z.m/Z/m0Z0m1Z1m2Z2ddl3m4Z4m5Z5m6Z6m7Z7m8Z8m9Z9dd l:m;Z;m<Z<ddl=m>Z>m?Z?ddl@mAZAmBZBmCZCmDZDmEZEmFZFmGZGmHZHmIZImJZJmKZKmLZLmMZMmNZNmOZOmPZPmQZQmRZRmSZSmTZTmUZUmVZVmWZWddlXmYZYmZZZddl[m\Z\m]Z]m^Z^m_Z_m`Z`maZambZbddlcmdZdmeZemfZfddlgmhZhddlimjZje r8ddl&mkZkmlZlddlcmmZmdZndZoddddgZpdeqd<dd d!d"gZrd#eqd$<esd%d&d'd(gZtdeqd)<d*d+d,d-gZud#eqd.<epetZvereuZwevewZxd#eqd/<eyd0d1gZzdeqd2<d3d4gZ{d#eqd5<eze{Z|d#eqd6<e}d7d8gZ~d#eqd9<ed:d;gZd#eqd<<d=d>gZd#eqd?<d@dAgZd#eqdB<edCgZd#eqdD<edEgZd#eqdF<edGgZd#eqdH<ezevZe{ewZeeZd#eqdI<ee~Zd#eqdJ<ee~eeeeeeZejejejejejejejejgZdKdLdMeZdeje'jeydNe'jedOgZdPdQejejfDZes.ddlZ e  ¡e  ¡e  ¡e  ¡¡gZ¢e  ¡e  ¡e  ¡e  £¡gZ¤e¢e¤Z¥dRdQe¥DZ¦e  ¡e  §¡gZ¨dSdQe¨DZ©e  ªdTdU¡gZ«e      ¡gZ¬e  ¡gZ®e  ¯dV¡e  ¯dW¡e  °dX¡e  °dY¡gZ±e  ²¡e  ³¡gZ´dZdQd[DZµd\dQd[DZ¶e  ·¡gZ¸e¥e¨e«e¬e®e±e´eµe¶e¸Z¹ngZ©gZ¦gZ¹e ºd]¡Z»d^d_d`daZ¼dCd_dbdcZ½d-dCdedfdgZ¾dhdiZ¿d:d_djdkZÀd.dmdndodpdqZÁd/dmdmdrdsdtduZÂd0dmdvdodwdxZÃd1dmdndodydzZÄd2dd{dmd|dnd}d~dZÅd3dd(ddmddnd}ddZÆd4ddddmddnd}ddZÇd5dmddoddZÈd6dd1ddmddnd}ddZÉd7dmdddddZÊd8dmdddddZËd9dmddoddZÌd:dmdddZÍddZÎd;dmddoddZÏdej§fd d_d¡d¢ZÐd<d d_d£d¤ZÑd=d d_d¥d¦ZÒd>d d_d§d¨ZÓd©d_dªd«ZÔd?dd d¬dd®ZÕd@d d_d¯d°ZÖdAdd©d¬d±d²Z×dBd©d_d³d´ZØdCddµd¬d¶d·ZÙdµd_d¸d¹ZÚdºd»ZÛdµd_d¼d½ZÜdDdµd_d¾d¿ZÝdEd:dÂdndÃdÄdÅZÞdFdÇdÇdmdmdµdÈdÉdÊZßdGdËdÌdÍdÎZàdHdËdµdÐdÑdÒZáGdÓdÔdÔe1ZâGdÕdÖdÖe+ZãGd×dØdØe)ZädIdÙdÚZådÛd:dÜdÝdÞZædßdàdádâdãZçe'jèjéjê ë¡ZìdädåZíd:dædçdèdéZîdêdëZïdìdíZðdîdïZñdðdñZòdòdóZódôdõZôdCd_död÷Zõdødùdúdûddüdýdþdÿdddddddddd    d
ddd ddddddódDdgdFddd9dÞd?ddddddcdãd5d2dkdåddëdd»ddéd´d«d²dõdñddïdzdudÊdÅd¹ddd¤dxddÒd½ddd¨d¿dd°d¢ddqd¦d·dd®ddddd d!dHd"d#dad$d%d&d'díd(d)d÷d.d)d<dØdÖdÔdBdid$dd*d+d,guZödS(Jé)ÚannotationsN)Údatetime)ÚDecimal)Ú    byteorder)Ú TYPE_CHECKINGÚCallableÚContextManagerÚCounterÚIterableÚcast)Úcan_set_localeÚget_localesÚ
set_locale)ÚDtypeÚ    FrequencyÚNpDtype)Úpa_version_under7p0)Úis_float_dtypeÚis_integer_dtypeÚis_sequenceÚis_signed_integer_dtypeÚis_unsigned_integer_dtypeÚpandas_dtype)Ú
ArrowDtypeÚCategoricalÚCategoricalIndexÚ    DataFrameÚ DatetimeIndexÚIndexÚ IntervalIndexÚ
MultiIndexÚ
RangeIndexÚSeriesÚbdate_range)ÚcloseÚnetworkÚround_trip_localpathÚround_trip_pathlibÚround_trip_pickleÚwrite_to_compressed)ÚrandsÚrands_array)Úassert_produces_warningÚmaybe_produces_warning)Úassert_almost_equalÚassert_attr_equalÚassert_categorical_equalÚassert_class_equalÚassert_contains_allÚassert_copyÚassert_datetime_array_equalÚassert_dict_equalÚassert_equalÚassert_extension_array_equalÚassert_frame_equalÚassert_index_equalÚ!assert_indexing_slices_equivalentÚassert_interval_array_equalÚassert_is_sortedÚ"assert_is_valid_plot_return_objectÚassert_metadata_equivalentÚassert_numpy_array_equalÚassert_period_array_equalÚassert_series_equalÚassert_sp_array_equalÚassert_timedelta_array_equalÚraise_assert_detail)Ú    get_dtypeÚget_obj)Údecompress_fileÚensure_cleanÚ!ensure_safe_environment_variablesÚraises_chained_assignment_errorÚset_timezoneÚuse_numexprÚwith_csv_dialect)ÚBaseMaskedArrayÚExtensionArrayÚPandasArray)ÚNDArrayBackedExtensionArray)Ú extract_array)ÚPeriodIndexÚTimedeltaIndex)ÚArrowExtensionArrayééÚuint8Úuint16Úuint32Úuint64z list[NpDtype]ÚUNSIGNED_INT_NUMPY_DTYPESZUInt8ZUInt16ZUInt32ZUInt64zlist[Dtype]ÚUNSIGNED_INT_EA_DTYPESÚint8Úint16Úint32Úint64ÚSIGNED_INT_NUMPY_DTYPESZInt8ZInt16ZInt32ZInt64ÚSIGNED_INT_EA_DTYPESÚALL_INT_DTYPESÚfloat32Úfloat64ÚFLOAT_NUMPY_DTYPESZFloat32ZFloat64ÚFLOAT_EA_DTYPESÚALL_FLOAT_DTYPESZ    complex64Z
complex128ÚCOMPLEX_DTYPESÚstrÚUÚ STRING_DTYPESzdatetime64[ns]zM8[ns]ÚDATETIME64_DTYPESztimedelta64[ns]zm8[ns]ÚTIMEDELTA64_DTYPESÚboolÚBOOL_DTYPESÚbytesÚBYTES_DTYPESÚobjectÚ OBJECT_DTYPESÚALL_REAL_DTYPESÚALL_NUMERIC_DTYPESú<ú>)ÚlittleÚbigÚnanÚNaNcCs g|]}dD]}|d|qqS)) ÚYÚMÚWÚDÚhÚmÚsÚmsÚusÚnsZpsÚfsÚasÚNaT©)Ú.0ÚclsÚunitrrúOd:\z\workplace\vscode\pyvenv\venv\Lib\site-packages\pandas/_testing/__init__.pyÚ
<listcomp>¶sþrcCsg|]}tt|qSr©rkr©rÚtyprrrrÐscCsg|]}tt|qSrrrrrrr×séérrrrcCs$g|]}dD]}tj||dqqS))NÚUTCz
US/Pacificz
US/Eastern)rÚtz)ÚpaÚ    timestamp)rrrrrrråsþ)rrrrcCsg|]}t |¡qSr)rÚduration)rrrrrrêsz^$ÚNone)ÚreturncCstjddddS)zJ
    Reset the display options for printing and representing objects.
    z    ^display.T)ZsilentN)ÚpdZreset_optionrrrrÚreset_display_optionssrcCst|t|kS)zO
    Checks if the set of unique elements of arr1 and arr2 are equivalent.
    )Ú    frozenset)Zarr1Zarr2rrrÚ equalContentssr T)Ú    transposecCsÌ|tjkr6t|tr&tt |j¡}qÈtj|dd}n|tkrHt|}n|t    krZt    |}nn|t
krt    | ¡}|rÈ|j}tj |gddd}n:|tjks¢|tjkr®t |¡}n|tkrÀt|}nt||S)z÷
    Helper function to wrap the expected output of a test in a given box_class.
 
    Parameters
    ----------
    expected : np.ndarray, Index, Series
    box_cls : {Index, Series, DataFrame}
 
    Returns
    -------
    subclass of box_cls
    F©ÚcopyéT)Zignore_index)rÚarrayÚ
isinstancer!rPÚnpÚasarrayÚ_valuesrr"rZto_frameÚTÚconcatÚndarrayÚto_arrayÚNotImplementedError)ÚexpectedZbox_clsr¡rrrÚbox_expecteds& 
 
 
 
 
r°cCs*t|dd}|dkrt |¡St|ddS)zQ
    Similar to pd.array, but does not cast numpy dtypes to nullable dtypes.
    ÚdtypeNT)Z extract_numpy)Úgetattrr§r¨rR)Úobjr±rrrr@s
rcCstjd|S©N)ÚstringÚascii_uppercase©ÚkrrrÚgetColsQsr¹é
Úintr)r¸rcCsttd|d|dS)Nrº)ÚncharsÚsize©Úname)rr+©r¸r¿rrrÚmakeStringIndexVsrÁr)r¸ÚnrcKs6td|dd}ttjt |¡||dfd|i|S)z%make a length k index or n categoriesrWF)r¼r½Úreplace)Ú
categoriesr¿)r+rrZ
from_codesr§Úarange)r¸rÂr¿ÚkwargsÚxrrrÚmakeCategoricalIndexZsÿÿÿrÈrcKs*tjdd|dd}tj|fd|i|S)zmake a length k IntervalIndexrédé)Únumr¿)r§ZlinspacerZfrom_breaks)r¸r¿rÆrÇrrrÚmakeIntervalIndexdsrÌcCsL|dkrtdg|dS|dkr.tddg|dStddgdg|d|dS)NrÊTr¾r¤F)rrÀrrrÚ makeBoolIndexjs
rÍr¾zDtype | None)r¸r±rcCsªt|}t|tjstt|rNtj||d}t|r|d|jdd7}nNt    |rtj
 |¡tj
 d¡}| ¡|dtj
  dd¡}ntd|t|||d    S)
N©r±r¤érÊrºré    zwrong dtype )r±r¿)rr¦r§r±ÚAssertionErrorrrÅrÚitemsizerÚrandomZ random_sampleÚsortÚrandintr®r)r¸r¿r±ÚvaluesrrrÚmakeNumericIndexrsr×©r¿r±rcCs,t|}t|std|t|||dS©NzWrong dtype rØ)rrÚ    TypeErrorr×©r¸r¿r±rrrÚmakeIntIndexsrÜcCs,t|}t|std|t|||dSrÙ)rrrÚr×rÛrrrÚ makeUIntIndexsrÝr!cKstd|dfd|i|S)NrrÊr¿)r!)r¸r¿rÆrrrÚmakeRangeIndexsrÞcCs,t|}t|std|t|||dSrÙ)rrrÚr×rÛrrrÚmakeFloatIndexsrßÚBrr)r¸ÚfreqrcKs0tddd}t||||d}t|fd|i|S)NéÐrÊ)Úperiodsrár¿r¿)rr#r)r¸rár¿rÆÚdtZdrrrrÚ makeDateIndexsrårrTcKstjfd|||d|S)Nz1 day©Ústartrãrár¿)rZtimedelta_range)r¸rár¿rÆrrrÚmakeTimedeltaIndex¥srèrScKs&tddd}tjf||d|d|S)NrârÊràræ)rrZperiod_range)r¸r¿rÆrärrrÚmakePeriodIndex«srér·cKsJ|dd}t|}tjd|gfd|i|}t||ks>t|d|S)Nr¤rÊ)ZfooÚbarÚnames)Úranger Zfrom_productÚlenrÑ)r¸rërÆÚNÚrngÚmirrrÚmakeMultiIndex°s
rñccs tttttttg}|EdHdSr´)rårérèrÞrÌrÈrñ)Úmake_index_funcsrrrÚindex_subclass_makers_generator¸sù    rózIterable[Index]ccs$tttg}|D]}||dVqdS)z¿
    Generator which can be iterated over to get instances of all the classes
    which represent time-series.
 
    Parameters
    ----------
    k: length of each of the index instances
    r·N)rårérè)r¸ròZmake_index_funcrrrÚall_timeseries_index_generatorÅs
ýrôr"c    CsHtt}tj t¡}tjdd|j|dd}W5QRXt|||dS)NÚignore)ÚinvalidFr¢©Úindexr¿)rÁÚ_Nr§rÓÚrandnZerrstateÚastyper")r¿r±røÚdatarrrÚmake_rand_seriesØs
rýcCs
t|dS©Nr¾©rýr¾rrrÚmakeFloatSeriesàsrcCs
t|dSrþrÿr¾rrrÚmakeStringSeriesäsrcCs*tt}t|td}tt}t|||dS)NrÎr÷)rÁrùrrtr")r¿rürørrrÚmakeObjectSeriesèsrzdict[str, Series]csttfddttDS)Ncs"i|]}|ttj t¡dqS)©rø)r"r§rÓrúrù©rÚcrrrÚ
<dictcomp>ñsz!getSeriesData.<locals>.<dictcomp>)rÁrùr¹Ú_KrrrrÚ getSeriesDataïsr)rárcCs*|dkrt}ttj |¡t||d|dS)N)rár÷)rùr"r§rÓrúrå)Únperrár¿rrrÚmakeTimeSeriesôs
 
ÿr
cCs&|dkrt}ttj |¡t||dS)Nr÷)rùr"r§rÓrúré)r    r¿rrrÚmakePeriodSeriesüsrcsfddttDS)Ncsi|]}|tqSr)r
r©rár    rrrsz%getTimeSeriesData.<locals>.<dictcomp>©r¹r)r    rárrrÚgetTimeSeriesDatasrcsfddttDS)Ncsi|]}|tqSr)rr©r    rrrsz!getPeriodData.<locals>.<dictcomp>r rrrrÚ getPeriodDatasrrcCst||}t|Sr´)rr)r    rárürrrÚmakeTimeDataFrames
rcCst}t|Sr´)rr)rürrrÚ makeDataFramesrcCsNtdddddg}dddd    d
gdddddgddd ddgtdddd}||fS)NÚaÚbrÚdÚegçð?g@g@g@Zfoo1Zfoo2Zfoo3Zfoo4Zfoo5z1/1/2009é)rã)ÚAràÚCr)rr#)rørürrrÚgetMixedTypeDicts
ürcCsttdS)NrÊ)rrrrrrÚmakeMixedDataFrame"srcCst|}t|Sr´)rr)r    rürrrÚmakePeriodFrame&srú#Fzbool | str | list[str] | None)Úprefixrërcsd|dkrdg|}t|r&t||ks*t|dksR|dksR|dksRt||ksRt|dksn|dkrj|dksnt|dkrfddt|D}|dkrd}t|tr°|dkr°|g}tttt    t
td}| |¡}|rê||}|ræ|d    |_ |S|dk    rtt|d
t||kr,| dg|t|¡t||ks>ttdd|DsVtg}    t|D]x}
d d}|||
d}t ¡} t|D]&}d|
d|}||
| |<qt|  ¡|dd|}|     |¡qbtt|    }|dkr|dkrdn|d    }t|d    |d}nF|dkrR|dkr2dn|d    }tdd|D|d}ntj||d}|S)aÒ
    Create an index/multindex with given dimensions, levels, names, etc'
 
    nentries - number of entries in index
    nlevels - number of levels (> 1 produces multindex)
    prefix - a string prefix for labels
    names - (Optional), bool or list of strings. if True will use default
       names, if false will use no names, if a list is given, the name of
       each level in the index will be taken from the list.
    ndupe_l - (Optional), list of ints, the number of rows for which the
       label will repeated at the corresponding level, you can specify just
       the first few, the rest will use the default ndupe_l of 1.
       len(ndupe_l) <= nlevels.
    idx_type - "i"/"f"/"s"/"dt"/"p"/"td".
       If idx_type is not None, `idx_nlevels` must be 1.
       "i"/"f" creates an integer/float index,
       "s" creates a string
       "dt" create a datetime index.
       "td" create a datetime index.
 
        if unspecified, string labels will be generated.
    NrÊFT)ÚiÚfrÚuräÚpÚtdcsg|]}t|qSr)rk)rr ©rrrrSsz#makeCustomIndex.<locals>.<listcomp>)r r!rrär$r#rzE is not a legal value for `idx_type`, use  'i'/'f'/'s'/'dt'/'p'/'td'.css|]}|dkVqdS©rNr©rrÇrrrÚ    <genexpr>vsz"makeCustomIndex.<locals>.<genexpr>cSs"t dd|¡ d¡}dd|DS)Nz[^\d_]_?ÚÚ_cSsg|]}t|qSr)r»)rrËrrrr}sz4makeCustomIndex.<locals>.keyfunc.<locals>.<listcomp>)ÚreÚsubÚsplit)rÇZ numeric_tuplerrrÚkeyfunc{sz makeCustomIndex.<locals>.keyfuncZ_lZ_g)Úkeyr¾css|]}|dVqdSr&rr'rrrr(s)rë)rrírÑrìr¦rkrÜrßrÁrårèréÚgetr¿Ú
ValueErrorÚreprÚextendÚallÚcollectionsr    ÚsortedÚelementsÚappendÚlistÚziprr Úfrom_tuples)ZnentriesÚnlevelsrrëÚndupe_lÚidx_typeZ idx_func_dictZidx_funcÚidxZ list_of_listsr r.Z
div_factorZcntÚjÚlabelÚresultZtuplesr¿rørr%rÚmakeCustomIndex+sn
(ÿÿú
 
 
ÿ
 
rCrÊzbool | list[str])Úc_idx_namesÚr_idx_namesÚ c_idx_nlevelsÚ r_idx_nlevelsrcs°|dkst|dkst|dks4|dkr0|dks4t|
dksP|
dkrL|dksPtt|d|||
d}t||d|||d} dkrdd    fd
dt|D}t|| ||    dS) a
 
    Create a DataFrame using supplied parameters.
 
    Parameters
    ----------
    nrows,  ncols - number of data rows/cols
    c_idx_names, r_idx_names  - False/True/list of strings,  yields No names ,
            default names or uses the provided names for the levels of the
            corresponding index. You can provide a single string when
            c_idx_nlevels ==1.
    c_idx_nlevels - number of levels in columns index. > 1 will yield MultiIndex
    r_idx_nlevels - number of levels in rows index. > 1 will yield MultiIndex
    data_gen_f - a function f(row,col) which return the data value
            at that position, the default generator used yields values of the form
            "RxCy" based on position.
    c_ndupe_l, r_ndupe_l - list of integers, determines the number
            of duplicates for each label at a given level of the corresponding
            index. The default `None` value produces a multiplicity of 1 across
            all levels, i.e. a unique index. Will accept a partial list of length
            N < idx_nlevels, for just the first N levels. If ndupe doesn't divide
            nrows/ncol, the last label might have lower multiplicity.
    dtype - passed to the DataFrame constructor as is, in case you wish to
            have more control in conjunction with a custom `data_gen_f`
    r_idx_type, c_idx_type -  "i"/"f"/"s"/"dt"/"td".
        If idx_type is not None, `idx_nlevels` must be 1.
        "i"/"f" creates an integer/float index,
        "s" creates a string index
        "dt" create a datetime index.
        "td" create a timedelta index.
 
            if unspecified, string labels will be generated.
 
    Examples
    --------
    # 5 row, 3 columns, default names on both, single index on both axis
    >> makeCustomDataframe(5,3)
 
    # make the data a random int between 1 and 100
    >> mkdf(5,3,data_gen_f=lambda r,c:randint(1,100))
 
    # 2-level multiindex on rows with each label duplicated
    # twice on first level, default names on both axis, single
    # index on both axis
    >> a=makeCustomDataframe(5,3,r_idx_nlevels=2,r_ndupe_l=[2])
 
    # DatetimeIndex on row, index with unicode labels on columns
    # no names on either axis
    >> a=makeCustomDataframe(5,3,c_idx_names=False,r_idx_names=False,
                             r_idx_type="dt",c_idx_type="u")
 
    # 4-level multindex on rows with names provided, 2-level multindex
    # on columns with default labels and default names.
    >> a=makeCustomDataframe(5,3,r_idx_nlevels=4,
                             r_idx_names=["FEE","FIH","FOH","FUM"],
                             c_idx_nlevels=2)
 
    >> a=mkdf(5,3,r_idx_nlevels=2,c_idx_nlevels=4)
    rN)r r!rrär#r$rÊr)r<rrër=r>ÚRcSsd|d|S)NrHrr)ÚrrrrrÚ<lambda>ÿóz%makeCustomDataframe.<locals>.<lambda>cs$g|]fddtDqS)csg|]}|qSrrr)Ú
data_gen_frIrrrsz2makeCustomDataframe.<locals>.<listcomp>.<listcomp>)rì)r©rLÚncols)rIrrsz'makeCustomDataframe.<locals>.<listcomp>rÎ)rÑrCrìr)ÚnrowsrNrDrErFrGrLZ    c_ndupe_lZ    r_ndupe_lr±Z
c_idx_typeZ
r_idx_typeÚcolumnsrørürrMrÚmakeCustomDataframes@Hÿÿÿÿúú
rQÚfloat)Údensitycs¼|dkrtj}ntj |¡}td|d}d}t||}fdd}|||}|jkr|d9}|||}qdt |d¡ t¡}    ||     t¡}
|
     ¡|         ¡fS)NrÊrgR¸ëQð?cs.| t|¡}t t |¡¡dSr´)Zrandr»r§ÚuniqueÚfloor)rïZ_extra_sizeÚind©rNrOr½rrÚ_gen_unique_randsz-_create_missing_idx.<locals>._gen_unique_randgÍÌÌÌÌÌð?r)
r§rÓZRandomStateÚroundÚminr½rUrûr»Útolist)rOrNrSÚrandom_stateZmin_rowsZfacÚ
extra_sizerXrVr@r rrWrÚ_create_missing_idxs
 
r^çÍÌÌÌÌÌì?)rSrcCs0t}t|j||d\}}tj|j||f<|S)N)rSr\)rr^Úshaper§r|Úiloc)rSr\Zdfr r@rrrÚmakeMissingDataframe!srbc@s,eZdZddgZeddZeddZdS)ÚSubclassedSeriesÚtestattrr¿cCsddS)Nc_s
t||Sr´©rc©ÚargsrÆrrrrJ2rKz/SubclassedSeries._constructor.<locals>.<lambda>r©ÚselfrrrÚ_constructor+szSubclassedSeries._constructorcCsddS)Nc_s
t||Sr´©ÚSubclassedDataFramerfrrrrJ6rKz9SubclassedSeries._constructor_expanddim.<locals>.<lambda>rrhrrrÚ_constructor_expanddim4sz'SubclassedSeries._constructor_expanddimN)Ú__name__Ú
__module__Ú__qualname__Ú    _metadataÚpropertyrjrmrrrrrc(s
 
rcc@s*eZdZdgZeddZeddZdS)rlrdcCsddS)Nc_s
t||Sr´rkrfrrrrJ>rKz2SubclassedDataFrame._constructor.<locals>.<lambda>rrhrrrrj<sz SubclassedDataFrame._constructorcCsddS)Nc_s
t||Sr´rerfrrrrJBrKz9SubclassedDataFrame._constructor_sliced.<locals>.<lambda>rrhrrrÚ_constructor_sliced@sz'SubclassedDataFrame._constructor_slicedN)rnrorprqrrrjrsrrrrrl9s
 
rlc@seZdZeddZdS)ÚSubclassedCategoricalcCstSr´)rtrhrrrrjFsz"SubclassedCategorical._constructorN)rnrorprrrjrrrrrtEsrtcs"rfdd}nfdd}|S)a`
    Create a function for calling on an array.
 
    Parameters
    ----------
    alternative : function
        The function to be called on the array with no NaNs.
        Only used when 'skipna_alternative' is None.
    skipna_alternative : function
        The function to be called on the original array
 
    Returns
    -------
    function
    cs
|jSr´)rÖ©rÇ)Úskipna_alternativerrÚskipna_wrapper]sz,_make_skipna_wrapper.<locals>.skipna_wrappercs"| ¡}t|dkrtjS|S)Nr)Zdropnarír§r|)rÇZnona)Úalternativerrrwbsr)rxrvrwr)rxrvrÚ_make_skipna_wrapperKsryz    list[str])Ú    rows_listrcCstj}| |¡|S)aW
    Convert list of CSV rows to single CSV-formatted string for current OS.
 
    This method is used for creating expected value of to_csv() method.
 
    Parameters
    ----------
    rows_list : List[str]
        Each element represents the row of csv.
 
    Returns
    -------
    str
        Expected output of to_csv() in current OS.
    )ÚosÚlinesepÚjoin)rzÚseprrrÚconvert_rows_list_to_csv_strksrztype[Exception]r)Úexpected_exceptionrcCsddl}|j|ddS)a$
    Helper function to mark pytest.raises that have an external error message.
 
    Parameters
    ----------
    expected_exception : Exception
        Expected error to raise.
 
    Returns
    -------
    Callable
        Regular `pytest.raises` function with `match` equal to `None`.
    rN)Úmatch)ÚpytestZraises)rrrrrÚexternal_error_raisedsrcs@g}|D]2\| f¡|fddtD7}q|S)a±
    Combine frame, functions from com._cython_table
    keys and expected result.
 
    Parameters
    ----------
    ndframe : DataFrame or Series
    func_names_and_expected : Sequence of two items
        The first item is a name of a NDFrame method ('sum', 'prod') etc.
        The second item is the expected return value.
 
    Returns
    -------
    list
        List of three items (DataFrame, function, expected result)
    cs"g|]\}}|kr|fqSrr)rÚfuncr¿©r¯Ú    func_nameÚndframerrr©sþz+get_cython_table_params.<locals>.<listcomp>)r8Úcython_table)rZfunc_names_and_expectedÚresultsrrrÚget_cython_table_paramssþ
rr)Úop_namercsP| d¡}ztt|}Wn2tk
rJtt|ddfdd}YnX|S)zì
    The operator function for a given op name.
 
    Parameters
    ----------
    op_name : str
        The op name, in form of "add" or "__add__".
 
    Returns
    -------
    function
        A function performing the operation.
    r*rÊNcs
||Sr´r)rÇÚy©ZroprrrJÅrKz"get_op_from_name.<locals>.<lambda>)Ústripr²ÚoperatorÚAttributeError)rZshort_opnameÚoprrrÚget_op_from_name±s
rcCs|Sr´rrurrrÚgetitemÎsrcCs|Sr´rrurrrÚsetitemÒsrcCs|jSr´)ÚlocrurrrrÖsrcCs|jSr´)rarurrrraÚsracCs|jSr´)ÚatrurrrrÞsrcCs|jSr´)ÚiatrurrrrâsrcCsÒt|tjr$t|tjr$t ||¡St|tjr:t||St|trHdSt|tr^t|j|St|ttfrxt|j    |St|t
rt|j|St|tj jjrªt|j|St|tj jjrÒt|j|pÐt|j|St|trN|jdkrNtd|}t|trN|jdkrNtd|}|j}|j}| d¡ ¡d}| d¡ ¡d}||kSt|trt|trt |j|j¡pt |j|j¡St|tr¼t|jjdkr¼|jjd}t||Stt |t |dS)z-
    Pandas-compat for np.shares_memory.
    Fzstring[pyarrow]rUrrÊN)!r¦r§r¬Ú shares_memoryr!r Ú_codesrr"r©rQZ_ndarrayrÚcoreZarraysZSparseArrayZ    sp_valuesZ IntervalArrayÚ_leftZ_rightrOr±rÚ_dataÚchunkÚbuffersrNZ_maskrríZ_mgrr®Útype)ÚleftÚrightZleft_pa_dataZ right_pa_dataZ    left_buf1Z
right_buf1ZarrrrrrésD
 
 
 
 
 
ÿ
rÚALL_INT_EA_DTYPESÚALL_INT_NUMPY_DTYPESÚALL_NUMPY_DTYPESÚALL_REAL_NUMPY_DTYPESr.r/r0r1r2r3r4r5r6r7r8r9r:r;r<r=r>r?r@r,rArBrCrr$rGÚEMPTY_STRING_PATTERNÚENDIANrHrIrEr rFr-ÚNARROW_NP_DTYPESr%ÚNP_NAT_OBJECTSÚNULL_OBJECTSrDr*rJr&r'r(rrKrLrMr))T)rºN)rºrN)rºN)rºN)rº)rº)rº)rºN)rº)rºràN)rºrN)rºN)rºN)rº)N)N)N)NràN)NN)Nrà)N)Nrà)N)rFNN)
TTrÊrÊNNNNNN)N)r_N)N)÷Ú
__future__rr5rÚdecimalrrr{r+rµÚsysrÚtypingrrrr    r
rÚnumpyr§Zpandas._config.localizationrr rZpandas._typingrrrZ pandas.compatrZpandas.core.dtypes.commonrrrrrrZpandasrrrrrrrrr r!r"r#Zpandas._testing._ior$r%r&r'r(r)Zpandas._testing._randomr*r+Zpandas._testing._warningsr,r-Zpandas._testing.assertersr.r/r0r1r2r3r4r5r6r7r8r9r:r;r<r=r>r?r@rArBrCrDZpandas._testing.compatrErFZpandas._testing.contextsrGrHrIrJrKrLrMZpandas.core.arraysrNrOrPZpandas.core.arrays._mixinsrQZpandas.core.constructionrRrSrTrUrùrr\Ú__annotations__r]r»rbrcr£r¢rdrRrgrhriÚcomplexrjrkrmrnrorprqrrrsrtrur¥ZALL_REAL_EXTENSION_DTYPESrvrwr¤Úfloat16rer^r_r`rXrYrZr¨r§r|rZNArªZ
datetime64Ztimedelta64r©Zpyarrowrr[ZUNSIGNED_INT_PYARROW_DTYPESraZSIGNED_INT_PYARROW_DTYPESZALL_INT_PYARROW_DTYPESZALL_INT_PYARROW_DTYPES_STR_REPRrfZFLOAT_PYARROW_DTYPESZFLOAT_PYARROW_DTYPES_STR_REPRZ
decimal128ZDECIMAL_PYARROW_DTYPESZSTRING_PYARROW_DTYPESÚbinaryZBINARY_PYARROW_DTYPESZtime32Ztime64ZTIME_PYARROW_DTYPESZdate32Zdate64ZDATE_PYARROW_DTYPESZDATETIME_PYARROW_DTYPESZTIMEDELTA_PYARROW_DTYPESZbool_ZBOOL_PYARROW_DTYPESZALL_PYARROW_DTYPESÚcompiler¦rr r°rr¹rÁrÈrÌrÍr×rÜrÝrÞrßrårèrérñrórôrýrrrrr
rrrrrrrrrCrQr^rbrcrlrtryrrrÚcommonZ _cython_tableÚitemsrrrrrrrarrrÚ__all__rrrrÚ<module>s          4  d$    ÿþýüûúùÿø
þÿÿ
 
üþ
ÿþýüûúùø    ÷ÿ 
)ÿ
ÿ    ÿ  úsôk 2