[英]dask dataframe apply meta
我想在dask
數據幀的單個列上進行頻率計數。 代碼有效,但我收到warning
抱怨未定義meta
。 如果我嘗試定義meta
我會收到錯誤AttributeError: 'DataFrame' object has no attribute 'name'
。 對於這個特定的用例,它看起來不像我需要定義meta
但我想知道如何做以備將來參考。
虛擬數據幀和列頻率
import pandas as pd
from dask import dataframe as dd
df = pd.DataFrame([['Sam', 'Alex', 'David', 'Sarah', 'Alice', 'Sam', 'Anna'],
['Sam', 'David', 'David', 'Alice', 'Sam', 'Alice', 'Sam'],
[12, 10, 15, 23, 18, 20, 26]],
index=['Column A', 'Column B', 'Column C']).T
dask_df = dd.from_pandas(df)
In [39]: dask_df.head()
Out[39]:
Column A Column B Column C
0 Sam Sam 12
1 Alex David 10
2 David David 15
3 Sarah Alice 23
4 Alice Sam 18
(dask_df.groupby('Column B')
.apply(lambda group: len(group))
).compute()
UserWarning: `meta` is not specified, inferred from partial data. Please provide `meta` if the result is unexpected.
Before: .apply(func)
After: .apply(func, meta={'x': 'f8', 'y': 'f8'}) for dataframe result
or: .apply(func, meta=('x', 'f8')) for series result
warnings.warn(msg)
Out[60]:
Column B
Alice 2
David 2
Sam 3
dtype: int64
嘗試定義meta
會產生AttributeError
(dask_df.groupby('Column B')
.apply(lambda d: len(d), meta={'Column B': 'int'})).compute()
同樣的
(dask_df.groupby('Column B')
.apply(lambda d: len(d), meta=pd.DataFrame({'Column B': 'int'}))).compute()
同樣的,如果我嘗試具有dtype
是int
而不是"int"
或與此有關的'f8'
或np.float64
所以它似乎並不像它的dtype
是造成問題的原因。
關於meta
的文檔似乎暗示我應該正在做我正在嘗試做的事情( http://dask.pydata.org/en/latest/dataframe-design.html#metadata )。
什么是meta
? 我該如何定義呢?
使用python 3.6
dask 0.14.3
和pandas 0.20.2
meta
是計算輸出的名稱/類型的處方。 這是必需的,因為apply()
足夠靈活,可以從數據幀中生成任何內容。 正如你所看到的,如果你沒有提供meta
,那么dask實際上會計算部分數據,看看應該是什么類型 - 這很好,但你應該知道它正在發生。 通過提供輸出的零行版本(數據幀或系列)或僅僅類型,您可以避免這種預先計算(這可能很昂貴)並且在您知道輸出應該是什么樣子時更加明確。
計算的輸出實際上是一個系列,所以以下是最簡單的工作
(dask_df.groupby('Column B')
.apply(len, meta=('int'))).compute()
但更准確的是
(dask_df.groupby('Column B')
.apply(len, meta=pd.Series(dtype='int', name='Column B')))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.