> ## 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.
# Table
export const GitHubLink = ({url}) =>
GitHub 소스 코드
;
## 클래스 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'
```
표 형식 데이터를 표시하고 분석하는 데 사용되는 Table 클래스입니다.
기존 스프레드시트와 달리 Tables는 다양한 데이터 유형을 지원합니다:
스칼라 값, 문자열, numpy 배열, 그리고 `wandb.data_types.Media`의 대부분의 하위 클래스입니다.
즉, 다른 기존 스칼라 값과 함께 `Images`, `Video`, `Audio` 및 기타 다양한 리치 미디어와 주석이 포함된 미디어를
Tables에 직접 임베드할 수 있습니다.
이 클래스는 W\&B Tables를 생성하는 데 사용하는 기본 클래스입니다.
[https://docs.wandb.ai/models/tables](https://docs.wandb.ai/models/tables)
## 인수
* `columns`: 테이블의 열 이름입니다. 기본값은 \["Input", "Output", "Expected"]입니다.
* `data`: 값으로 이루어진 2차원 행 기준 배열, NumPy 배열 또는 pandas DataFrame입니다.
* `rows`: 값으로 이루어진 2차원 행 기준 배열입니다.
* `dataframe`: 테이블을 생성하는 데 사용하는 pandas DataFrame 객체입니다. 이 값이 설정되면 `data` 및 `columns` 인수는 무시됩니다.
* `dtype`: 열 값의 예상 유형으로, 데이터를 검증하는 데 사용됩니다. 설정하지 않으면 데이터에서 유형을 추론합니다. 다음 중 하나일 수 있습니다:
* 단일 유형
* `int`, `str`, `bool`, list, dict 또는 datetime과 같은 Python 내장 유형
* wandb.data\_types 아래에 선언된 `wandb.Image`와 같은 W\&B Media 유형
* 상수 값
* 각 열에 서로 다른 유형을 부여하기 위한 위 항목들의 목록
(`columns`와 길이가 같아야 함)
* `optional`: `None` 값 허용 여부입니다. 기본값은 True입니다.
* 단일 bool 값이면 생성 시 지정된 모든 열에 선택 여부가 강제 적용됩니다.
* bool 값의 목록이면 각 열에 선택 여부가 적용되며, `columns`와 길이가 같아야 합니다.
* `allow_mixed_types`: 열에 혼합 유형을 허용할지 여부입니다 (유형 검증 비활성화). 기본값은 False입니다.
* `log_mode`: 변경이 발생할 때 Table이 로깅되는 방식을 제어합니다.
옵션:
* "IMMUTABLE" (기본값): Table은 한 번만 로깅할 수 있으며, 이후
테이블이 변경된 후 다시 로깅을 시도해도 아무 작업도 수행되지 않습니다.
* "MUTABLE": 변경 후에도 Table을 다시 로깅할 수 있으며,
로깅할 때마다 새 아티팩트 버전이 생성됩니다.
* "INCREMENTAL": Table 데이터가 증분 방식으로 로깅되며, 각 로그는
마지막 로그 이후의 새 데이터를 포함하는 새 아티팩트 항목을 생성합니다.
## 메서드
### 방법 Table.add\_column()
```python theme={null}
self,
name: 'str',
data: 'list[Any] | np.ndarray',
optional: 'bool' = False
```
테이블에 데이터 열을 추가합니다.
##### 인수
* `name`: 열의 고유한 이름
* `data`: 동일한 타입의 데이터로 구성된 열
* `optional`: null과 같은 값의 허용 여부
### 방법 Table.add\_computed\_columns()
```python theme={null}
self,
fn: 'Callable[[int, dict[ColumnKey, Any]], dict[str, Any]]'
```
기존 데이터를 바탕으로 계산된 열을 하나 이상 추가합니다.
##### 인수
* `fn`: 인덱스와 행 dict를 받아 해당 행의 새 열을 나타내는 dict를 반환하는 함수이며, 키는 새 열 이름입니다.
##### 예시
callback에서는:
* `ndx`는 행의 인덱스를 나타내는 정수입니다.
* `row`는 기존 열을 키로 갖는 딕셔너리입니다.
```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"]})
```
### 방법 Table.add\_data()
```python theme={null}
self, *data: 'Any'
```
테이블에 새 데이터 행을 추가합니다.
테이블의 최대 행 수는
`wandb.Table.MAX_ARTIFACT_ROWS`로 결정됩니다.
데이터 길이는 테이블 열의 길이와 일치해야 합니다.
##### 인수
* `data`:
### 방법 Table.add\_row()
```python theme={null}
self, *row: 'Any'
```
사용 중단되었습니다. 대신 `Table.add_data` 방법을 사용하세요.
##### 인수
* `row`:
### 방법 Table.cast()
```python theme={null}
self,
col_name: 'ColumnKey',
dtype: 'Any',
optional: 'bool' = False
```
열을 특정 데이터 유형으로 캐스팅합니다.
일반적인 Python 클래스, 내부 W\&B 유형,
또는 wandb.Image나
wandb.Classes의 인스턴스 같은 예시 객체 중 하나를 사용할 수 있습니다.
##### 인수
* `col_name`: 캐스팅할 열의 이름입니다.
* `dtype`: 대상 dtype입니다.
* `optional`: 열에서 None을 허용할지 여부입니다.
### 방법 Table.get\_column()
```python theme={null}
self,
name: 'ColumnKey',
convert_to: "Literal['numpy'] | None" = None
```
테이블에서 열을 조회하고, 필요에 따라 이를 NumPy 객체로 변환합니다.
##### 인수
* `name`: 열 이름입니다.
* `convert_to`: "numpy"는 기본 데이터를 NumPy 객체로 변환합니다.
### 방법 Table.get\_dataframe()
```python theme={null}
self
```
테이블을 `pandas.DataFrame`으로 반환합니다.
### 방법 Table.get\_index()
```python theme={null}
(self)
```
다른 테이블에서 링크를 생성할 때 사용할 행 인덱스 배열을 반환합니다.