> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-dependabot-submodules-dot-claude-85784ca.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# 表
export const GitHubLink = ({url}) =>
GitHub のソース
;
## クラス wandb.Table
```python theme={null}
columns: 'list[ColumnKey] | None' = None,
data: 'list[InputRow] | np.ndarray | pd.DataFrame | None' = None,
rows: 'list[InputRow] | None' = None,
dataframe: 'pd.DataFrame | None' = None,
dtype: 'Any' = None,
optional: 'bool | list[bool]' = True,
allow_mixed_types: 'bool' = False,
log_mode: 'LogMode | None' = 'IMMUTABLE'
```
表形式データを表示・分析するための 表 クラスです。
従来のスプレッドシートとは異なり、表はさまざまなデータ型をサポートします。
たとえば、スカラー値、文字列、numpy 配列、`wandb.data_types.Media` のほとんどのサブクラスを扱えます。
つまり、`Images`、`Video`、`Audio`、そのほかのリッチな注釈付きメディアを
従来のスカラー値と並べて 表に直接埋め込むことができます。
このクラスは、W\&B 表を生成するための主要なクラスです
[https://docs.wandb.ai/models/tables](https://docs.wandb.ai/models/tables)
## 引数
* `columns`: 表の列名。デフォルトは \["Input", "Output", "Expected"] です。
* `data`: 値の2次元の行指向配列、NumPy 配列、または pandas DataFrame。
* `rows`: 値の2次元の行指向配列。
* `dataframe`: 表の作成に使用するDataFrame object。これを設定すると、`data` 引数と `columns` 引数は無視されます。
* `dtype`: 列の値に期待されるタイプで、データの検証に使用されます。
設定しない場合、タイプはデータから推論されます。指定できるのは次のいずれかです。
* 単一のタイプ
* `int`、`str`、`bool`、list、dict、または
datetime などの Python 組み込みタイプ。
* wandb.data\_types で宣言された `wandb.Image` のような W\&B Media タイプ
* const 値
* 上記のいずれかの list。各
列に異なるタイプを割り当てるために使用します (長さは `columns` と同じである必要があります)
* `optional`: `None` 値を許可するかどうかを判定します。デフォルトは True です。
* 単一の bool 値を指定した場合、構築時に指定されたすべての列に対して optionality が強制されます
* bool 値の list を指定した場合、optionality は各列に適用されます。長さは `columns` と同じである必要があります。
すべての列に適用されます。bool 値の list は、それぞれの列に適用されます。
* `allow_mixed_types`: 列に複数のタイプが混在することを許可するかどうかを判定します (タイプ検証を無効化します) 。デフォルトは False です
* `log_mode`: 変更が発生したときに 表 をどのようにログするかを制御します。
オプション:
* "IMMUTABLE" (デフォルト): 表 は一度だけログできます。表 が変更された後に再度ログしようとしても no-op になります。
* "MUTABLE": 変更後に 表 を再度ログでき、ログするたびに新しい artifact version が作成されます。
* "INCREMENTAL": 表 data は段階的にログされ、ログのたびに前回のログ以降の新しい data を含む新しい artifact entry が作成されます。
## メソッド
### method Table.add\_column()
```python theme={null}
self,
name: 'str',
data: 'list[Any] | np.ndarray',
optional: 'bool' = False
```
テーブルにデータ列を追加します。
##### 引数
* `name`: 列の一意な名前。
* `data`: 同種のデータで構成される列。
* `optional`: null 相当の値を許可するかどうか。
### method Table.add\_computed\_columns()
```python theme={null}
self,
fn: 'Callable[[int, dict[ColumnKey, Any]], dict[str, Any]]'
```
既存のデータに基づいて、1 つ以上の算出列を追加します。
##### 引数
* `fn`: インデックスと行の dict を受け取る関数です。各行について、新しい列名をキーとする新しい列を表す dict を返します。
##### 例
コールバック内では:
* `ndx` は、行のインデックスを表す整数です。
* `row` は、既存の列をキーとする辞書です。
```python theme={null}
import wandb
table = wandb.Table(columns=["x", "y"], data=[[3, 1], [4, 6]])
table.add_computed_columns(lambda ndx, row: {"diff": row["x"] - row["y"]})
```
### method Table.add\_data()
```python theme={null}
self, *data: 'Any'
```
表に新しいデータ行を追加します。
表の最大行数は、`wandb.Table.MAX_ARTIFACT_ROWS` で決まります。
データの長さは、表の列数と一致している必要があります。
##### 引数
* `data`:
### method Table.add\_row()
```python theme={null}
self, *row: 'Any'
```
非推奨です。代わりに `Table.add_data` method を使用してください。
##### 引数
* `row`:
### method Table.cast()
```python theme={null}
self,
col_name: 'ColumnKey',
dtype: 'Any',
optional: 'bool' = False
```
列を特定のデータ型にキャストします。
指定できるのは、通常の Python クラス、W\&B の内部タイプ、
または wandb.Image や
wandb.Classes のインスタンスのようなサンプル object のいずれかです。
##### 引数
* `col_name`: キャストする列の名。
* `dtype`: 対象の dtype。
* `optional`: 列で None を許可するかどうか。
### method Table.get\_column()
```python theme={null}
self,
name: 'ColumnKey',
convert_to: "Literal['numpy'] | None" = None
```
表から列を取得し、必要に応じて NumPy オブジェクトに変換します。
##### 引数
* `name`: 列の名前
* `convert_to`: `"numpy"` を指定すると、元のデータを NumPy オブジェクトに変換します。
### method Table.get\_dataframe()
```python theme={null}
self
```
表を `pandas.DataFrame` として返します。
### method Table.get\_index()
```python theme={null}
(self)
```
他の表でリンクを作成する際に使用する行インデックスの配列を返します。