对Dask来说有些陌生,但由于大多数操作都是惰性的,我如何才能使这样一个基本案例在规模上工作
import dask.dataframe as dd
import dask.bag as db
dataset = [
dict(a = 1, b = 2, c = 3),
dict(a = 3, b = 4, d = 5, e = 5),
dict(a = 2, x = 1, y = 2, z = 3, q = 5)
# etc...
]
dag_data = db.from_sequence(dataset)
dag_data.to_dataframe()
在一个只有熊猫的世界里,我可以映射pd.Series
,但问题是这些操作在计算之后才被计算。上面的代码生成一个数据帧,其中只包含来自第一条记录(“a”、“b”、“c”)的特征
执行结果:
| a | b | c | d | e | q | x | y | z |
---------------------------------------
| 1 | 2 | 3 | - | - | - | - | - | - |
| 3 | 4 | - | 5 | 5 | - | - | - | - |
| 2 | - | - | - | - | 5 | 1 | 2 | 3 |
请把这当作一个延伸的评论,而不是一个答案
在熊猫中,只有你有
而且{}是
但是如果你搬到达斯克,我发现唯一可能的解决办法是
在我看来,这根本没有效率。看看是否有一种合适的方法来获得相同的输出是很有趣的
相关问题 更多 >
编程相关推荐