1

我正在尝试使用dask. 我最初以这种方式将我的 ROOT 文件读uproot入 a pandas.DataFrame：

import uproot

file_name = "ntuple.root"
tree_name = "Events"
branches = ["Trigger", "nTracks", "mass"]
df = uproot.open(file_name)[tree_name].pandas.df(branches)
df.dtypes.to_dict()
# {'Trigger': dtype('bool'),
#  'nTracks': dtype('uint64'),
#  'mass': dtype('float64')}

当我这样做时，一切正常，不同分支的类型被正确识别。特别是，在上面的示例中，"Trigger"分支是布尔值，"nTracks"分支是整数，"mass"分支是浮点数。

但是，当我使用读取同一个文件时，uproot.daskframe我取而代之的是取回一个分配了所有三个分支的 daskframe float64，如下所示：

df = uproot.daskframe(file_name, tree_name, branches)
df.dtypes.to_dict()
# {'Trigger': dtype('float64'),
#  'nTracks': dtype('float64'),
#  'mass': dtype('float64')}

这使脚本稍后中断，因为我需要将触发器分支专门解释为一个简单的布尔值，以便对其进行剪切。

理想情况下，我希望它能够自动识别每一列的正确 dtype。

或者，手动设置它们对我来说也很好。我可以通过以旧方式阅读一个事件并使用它来找出正确的 dtypes。根据文档，我应该能够传递一个返回 a 的字典uproot.interp.interp.Interpretation，但我不清楚它到底是如何工作的。

这整个混乱是使用dask还是限制uproot？

作为参考，我使用的是 uproot 3.11.3 并安装了 dask 版本 2.6.0。

4

0 回答 0