> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # DataStore: SQL 最適化を備えた pandas互換API > DataStore は、SQL 最適化により高性能なデータ分析を実現する pandas 互換 API を提供します export const Image = ({img, alt, size}) => { return {alt} ; }; DataStore は、chDB の pandas 互換 API です。使い慣れた pandas DataFrame インターフェイスと SQL クエリ最適化の強みを組み合わせることで、pandas スタイルのコードを記述しながら ClickHouse のパフォーマンスを得られます。
## 主な機能
* **Pandas互換性**: 209個の pandas DataFrame メソッド、56個の `.str` メソッド、42以上の `.dt` メソッド * **SQL 最適化**: 操作は自動的に最適化された SQL クエリにコンパイルされます * **遅延評価**: 結果が必要になるまで操作の実行が保留されます * **630以上の API メソッド**: データ操作に対応する包括的な API * **ClickHouse 拡張機能**: pandas では利用できない追加のアクセサ (`.arr`、`.json`、`.url`、`.ip`、`.geo`)
## アーキテクチャ
DataStore アーキテクチャ DataStore は、**遅延評価** と **デュアルエンジン実行** を採用しています。 1. **遅延オペレーションチェーン**: 操作は記録されますが、すぐには実行されません 2. **スマートなエンジン選択**: QueryPlanner が各セグメントを最適なエンジンに振り分けます (SQL には chDB、複雑な処理には Pandas) 3. **中間キャッシュ**: 各ステップの結果をキャッシュすることで、反復的な探索を高速化します 詳しくは [実行モデル](/ja/products/chdb/datastore/execution-model) を参照してください。
## Pandasからのワンライナーでの移行
```python theme={null} # 変更前 (pandas) import pandas as pd df = pd.read_csv("data.csv") result = df[df['age'] > 25].groupby('city')['salary'].mean() # 変更後 (DataStore) - インポートを変更するだけ！ from chdb import datastore as pd df = pd.read_csv("data.csv") result = df[df['age'] > 25].groupby('city')['salary'].mean() ``` 既存の pandas コードは変更不要でそのまま動作しますが、実行は ClickHouse engine 上で行われます。
## パフォーマンス比較
DataStore は pandas と比べて大幅に高速で、特に集約処理や複雑なパイプラインで高い効果を発揮します。 | 操作 | Pandas | DataStore | 高速化率 | | ---------------- | ------- | --------- | ---------- | | GroupBy count | 347ms | 17ms | **19.93x** | | 複雑なパイプライン | 2,047ms | 380ms | **5.39x** | | Filter+Sort+Head | 1,537ms | 350ms | **4.40x** | | GroupBy agg | 406ms | 141ms | **2.88x** | *1,000万行でのベンチマークです。詳細は [ベンチマークスクリプト](https://github.com/chdb-io/chdb/blob/main/refs/benchmark_datastore_vs_pandas.py) と [Performance Guide](/ja/products/chdb/guides/pandas-performance) を参照してください。*
## DataStore を使うべき場合
**次のような場合は DataStore を使用してください。** * 大規模なデータセット (数百万行) を扱う場合 * 集計や groupby 操作を行う場合 * ファイル、データベース、またはクラウドストレージのデータをクエリする場合 * 複雑なデータパイプラインを構築する場合 * より高いパフォーマンスで pandas API を使いたい場合 **次のような場合は raw SQL API を使用してください。** * SQL を直接書きたい場合 * クエリの実行を細かく制御する必要がある場合 * pandas API では提供されていない ClickHouse 固有の機能を使う場合
## 機能比較
| Feature | Pandas | Polars | DuckDB | DataStore | | --------------------- | ------ | ------ | ------ | ------------- | | Pandas API 互換性 | - | 一部 | なし | **完全** | | 遅延評価 | なし | あり | あり | **あり** | | SQL クエリのサポート | なし | あり | あり | **あり** | | ClickHouse 関数 | なし | なし | なし | **あり** | | String/DateTime アクセサ | あり | あり | なし | **あり + 拡張機能** | | Array/JSON/URL/IP/Geo | なし | 一部 | なし | **あり** | | ファイルへの直接クエリ | なし | あり | あり | **あり** | | クラウドストレージのサポート | なし | 限定的 | あり | **あり** |
## API 統計
| カテゴリ | 件数 | 対応範囲 | | ---------------- | -------- | ----------------------------- | | DataFrame メソッド | 209 | pandas の 100% | | Series.str アクセサ | 56 | pandas の 100% | | Series.dt アクセサ | 42+ | 100% 以上 (ClickHouse 独自の拡張を含む) | | Series.arr アクセサ | 37 | ClickHouse 固有 | | Series.json アクセサ | 13 | ClickHouse 固有 | | Series.url アクセサ | 15 | ClickHouse 固有 | | Series.ip アクセサ | 9 | ClickHouse 固有 | | Series.geo アクセサ | 14 | ClickHouse 固有 | | **API メソッド総数** | **630+** | - |
### はじめに
* [クイックスタート](/ja/products/chdb/datastore/quickstart) - インストールと基本的な使い方 * [Pandas からの移行](/ja/products/chdb/guides/migration-from-pandas) - ステップごとの移行ガイド
### API リファレンス
* [ファクトリメソッド](/ja/products/chdb/datastore/factory-methods) - さまざまなソースからDataStoreを作成 * [クエリ構築](/ja/products/chdb/datastore/query-building) - SQLスタイルのクエリ操作 * [Pandas互換性](/ja/products/chdb/datastore/pandas-compat) - pandas互換の全209メソッド * [アクセサ](/ja/products/chdb/datastore/accessors) - String、DateTime、Array、JSON、URL、IP、Geoのアクセサ * [集計](/ja/products/chdb/datastore/aggregation) - 集計関数とウィンドウ関数 * [I/O操作](/ja/products/chdb/datastore/io) - データの読み取りと書き込み
### 高度なトピック
* [実行モデル](/ja/products/chdb/datastore/execution-model) - 遅延評価とキャッシュ * [クラスリファレンス](/ja/products/chdb/datastore/class-reference) - 完全なAPIリファレンス
### 設定とデバッグ
* [設定](/ja/products/chdb/configuration) - すべての設定オプション * [パフォーマンスモード](/ja/products/chdb/configuration/performance-mode) - 最大スループットを実現するSQL優先モード * [デバッグ](/ja/products/chdb/debugging) - Explain、プロファイリング、ロギング
### Pandas ユーザーガイド
* [Pandas Cookbook](/ja/products/chdb/guides/pandas-cookbook) - よく使われるパターン * [Key Differences](/ja/products/chdb/guides/pandas-differences) - pandas との主な違い * [Performance Guide](/ja/products/chdb/guides/pandas-performance) - パフォーマンス最適化のヒント * [SQL for Pandas Users](/ja/products/chdb/guides/pandas-to-sql) - pandas の操作を支える SQL を理解する
## 簡単な使用例
```python theme={null} from chdb import datastore as pd # 様々なソースからデータを読み込む ds = pd.read_csv("sales.csv") # または: ds = pd.DataStore.uri("s3://bucket/sales.parquet") # または: ds = pd.DataStore.from_mysql("mysql://user:pass@host/db/table") # 使い慣れた pandas 操作 - 自動的に SQL へ最適化される result = (ds .filter(ds['amount'] > 1000) # WHERE amount > 1000 .groupby('region') # GROUP BY region .agg({'amount': ['sum', 'mean']}) # SUM(amount), AVG(amount) .sort_values('sum', ascending=False) # ORDER BY sum DESC .head(10) # LIMIT 10 ) # 生成された SQL を確認する print(result.to_sql()) # 実行して結果を取得する df = result.to_df() # pandas DataFrame を返す ```
## 次のステップ
* **DataStoreは初めてですか？** [クイックスタート Guide](/ja/products/chdb/datastore/quickstart)から始めましょう * **pandasから移行する場合は？** [Migration Guide](/ja/products/chdb/guides/migration-from-pandas)をお読みください * **さらに詳しく知りたいですか？** [API Reference](/ja/products/chdb/datastore/class-reference)をご覧ください