pandasユーザーのためのCognoxium¶

CognitionFrameは、pandasのように処理を組み合わせられる表形式の操作感を備えています。ただし、行に格納するのは任意の業務データではありません。各行は、出所、信頼区分、保持要件、来歴を持つAIコンテキストの一単位です。

実用的な対応表¶

pandasの概念	Cognoxiumでの対応	重要な違い
`DataFrame`	`CognitionFrame`	`ContextItem`レコードに対する不変の処理計画
真偽値マスク	`frame.filter(cx.col(...) > ...)`	式はコンテキストのフィールドを対象にします
`assign`	`with_columns`	AI向け操作には引き続き`id`と`payload`が必要です
`sort_values`	`sort`	`rank()`は会話順を変えずに関連度を保存します
`drop_duplicates`	`dedupe`	正規化されたペイロードのハッシュで判定し、来歴を保守的に統合します
`groupby().agg()`	`group_by().agg()`	v0.1系列の集約は表形式データの探索用で、直ちに評価されます
`to_dict("records")`	`to_records()`	型付きコンテキストのスキーマを保持します
入出力メソッド	JSONL、Arrow IPC、Parquet	Arrow／Parquetには`arrow`追加機能が必要です

使い慣れた操作¶

import cognoxium as cx

frame = cx.CognitionFrame.from_records([
    {"id": "a", "payload": "Rust tokenizer", "priority": 2,
     "sources": ["app://a"], "created_at": "2026-01-01T00:00:00Z"},
    {"id": "b", "payload": "Python fallback", "priority": 1,
     "sources": ["app://b"], "created_at": "2026-01-01T00:01:00Z"},
])

active = frame.filter(cx.col("priority") >= 2).sort("priority", descending=True)
print([item.id for item in active.collect()])
print(active.explain())

['a']
Scan[context records] -> Filter -> Sort[priority]

pandasとの意図的な違い¶

インプレースの変更はありません。どの変換も新しいフレームを返します。
rank()はsort()ではありません。順位付けは予算配分に影響しますが、選択後の出力では元の順序が保たれます。
required（必須）は契約です。パック処理が暗黙に除外したり、保持要件を下げたりすることはありません。
select()では、idやpayloadを持たない探索用テーブルも作成できます。そのようなテーブルでcollect()、dedupe()、rank()、pack()を呼び出すとSchemaErrorが発生します。確認にはcollect_records()を使用してください。
通常のフレーム計画は遅延実行ですが、v0.1系列のGroupedCognitionFrame.agg()は即時実行です。
Cognoxiumはpandasの代替ではなく、汎用的なインデックス操作、統計分析、任意形式の入出力は実装していません。

ユーザー向けに安定性が保証される名前空間は、cognoxiumからエクスポートされる名前の集合です。_rank_scoreや_cognoxium_dedupeのようにアンダースコアで始まるメタデータは実装の詳細です。長期保存する監査記録にはPackManifestを使用してください。