2

join应用于.from_delayed 方法生成的 dask 数据帧时，我得到了意想不到的结果。我想通过下面的例子来证明这一点，它由三个部分组成。

  1. 通过该方法生成 dask 数据帧，from_delayed并将其与通过 生成的 dask 数据帧连接起来from_pandas
  2. 使用该方法将两个数据帧转换为熊猫数据帧compute。加入他们，如（1）
  3. from_delayed将通过方法生成的 dask 数据帧转换为使用compute. Aferwards 使用from_pandas. 然后加入（1）。

考虑以下代码：

import dask.dataframe
import pandas as pd

# functions for generating a dask dataframe
def get_pdf(character):
    '''constructs a pandas dataframe with indexes [character]1, ..., [character]5'''
    index = [character + str(i) for i in range(5)]
    return pd.DataFrame({'A':[1,2,3,4,5]}, index = index)

def get_ddf():
    '''constructs dask dataframe out of pandas dataframes via the .from-delayed method with indexes A1, A2, A3, ... F3, F3, F4'''
    delayed_list = [dask.delayed(get_pdf)(x) for x in 'ABCDEF']  
    return dask.dataframe.from_delayed(delayed_list)

#generate dask dataframes, that will be joined
ddf1 = get_ddf()
ddf2 = dask.dataframe.from_pandas(pd.DataFrame({'B': [1,2,3]}, index = ['A0', 'B1', 'C3']), npartitions = 2)

#recreate ddf1 by converting it to a pandas dataframe and afterwards to a dask dataframe
ddf1_from_pandas = dask.dataframe.from_pandas(ddf1.compute(), npartitions = 3)

#compute joins
dask_from_delayed_join = ddf1.join(ddf2, how = 'inner')
pandas_join = ddf1.compute().join(ddf2.compute(), how = 'inner')
dask_from_pandas_join = ddf1_from_pandas.join(ddf2, how = 'inner')

我希望所有三个结果（dask_from_delayed_join, pandas_join, dask_from_pandas_join）都是相同的。

但是，第一个结果与其他结果不同：

print(dask_from_delayed_join.compute())：

Empty DataFrame
Columns: [A, B]
Index: []

print(pandas_join)：

    A  B
A0  1  1
B1  2  2
C3  4  3

print(dask_from_pandas_join.compute())：

    A  B
A0  1  1
B1  2  2
C3  4  3

到底是怎么回事？

4

1 回答 1

2

确实存在一些问题dd.merge。这些已在 dask 版本 0.10.2 中解决

In [10]: print(dask_from_delayed_join.compute())
    A  B
A0  1  1
B1  2  2
C3  4  3

In [11]: print(pandas_join)
    A  B
A0  1  1
B1  2  2
C3  4  3

In [12]: print(dask_from_pandas_join.compute())
    A  B
A0  1  1
B1  2  2
C3  4  3
于 2016-07-27T20:57:06.640 回答