2
join
を適用して、.from_delayedメソッドで生成されたデータフレームを破棄しました。私は次の例でこれを実証したいと思います。これは3つの部分で構成されています。daskデータフレームの.joinの結果が途中で変わるようですが、daskデータフレームが生成されました。
from_delayed
方法を介しDASKのデータフレームを生成し、compute
方法でデータフレームをパンダするために、両方のデータフレームに変換from_pandas
- 介して生成DASKのデータフレームとそれに参加します。 (1)のように参加しました
from_delayed
メソッドで生成されたdaskデータフレームをcompute
を使用するパンダに変換します。 Aferwardsはfrom_pandas
を使用してそれをdaskに戻します。その後、(1)のように参加します。
次のコードを考えてみましょう:
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')
を私が同じになるように、すべての3つの結果(dask_from_delayed_join
、pandas_join
、dask_from_pandas_join
)を期待します。
しかし、最初の結果は、他とは異なる:
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
何が起こっているのですか?
私は今これを探しています。 1日か3日以内に答えがあることを願っています。 – MRocklin