Will dask map_partitions(pd.cut, bins) actually operate on entire dataframe?(Daskmap_Partitions(pd.Cut、bins)实际上会对整个数据帧进行操作吗?)
本文介绍了Daskmap_Partitions(pd.Cut、bins)实际上会对整个数据帧进行操作吗?的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我需要在DaskDataFrame上使用pd.Cut。
This answer指示map_artitions将通过将pd.Cut作为函数传递来工作。
似乎map_artitions一次只将一个分区传递给该函数。但是,pd.Cut需要访问我的df的整个列才能创建回收站。因此,我的问题是:这种情况下的map_Partitions实际上是对整个数据帧进行操作,还是使用这种方法会得到不正确的结果?
推荐答案
在您的问题中,您正确地指出了为什么应该明确提供垃圾箱。
通过指定准确的仓切(基于某些计算或外部推理),您可以确保DASK所做的操作在不同分区之间具有可比性。
# this does not guarantee comparable cuts
ddf['a'].map_partitions(pd.cut)
# this ensures the cuts are as per the specified bins
ddf['a'].map_partitions(pd.cut, bins)
如果您想要自动生成bin,一种方法是获取感兴趣列的最小/最大值并使用np.linspace
:
# note that computation is needed to give
# actual (not delayed) values to np.linspace
bmin, bmax = dask.compute(ddf['a'].min(), ddf['a'].max)
# specify the number of desired cuts here
bins = np.linspace(bmin, bmax, num=123)
这篇关于Daskmap_Partitions(pd.Cut、bins)实际上会对整个数据帧进行操作吗?的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!
沃梦达教程
本文标题为:Daskmap_Partitions(pd.Cut、bins)实际上会对整个数据帧进行操作吗?


猜你喜欢
- 检查具有纬度和经度的地理点是否在 shapefile 中 2022-01-01
- 使用公司代理使Python3.x Slack(松弛客户端) 2022-01-01
- 计算测试数量的Python单元测试 2022-01-01
- 我如何透明地重定向一个Python导入? 2022-01-01
- 我如何卸载 PyTorch? 2022-01-01
- ";find_element_by_name(';name';)";和&QOOT;FIND_ELEMENT(BY NAME,';NAME';)";之间有什么区别? 2022-01-01
- 如何使用PYSPARK从Spark获得批次行 2022-01-01
- 使用 Cython 将 Python 链接到共享库 2022-01-01
- YouTube API v3 返回截断的观看记录 2022-01-01
- CTR 中的 AES 如何用于 Python 和 PyCrypto? 2022-01-01