我有一个日期列为doc_date
的dask数据帧,其范围在12-1-2021
到1-2-2022
之间。我想重新分区并将这个dask数据帧拆分为26个分区,这样每个分区只有上述日期范围内的1个日期。
以下是我尝试过的:
doc_dates = [dt.strftime("%Y-%m-%d") for dt in pd.date_range('2021-12-08', '2022-01-02')]
predictions_df = predictions_df.set_index('doc_date')
predictions_df = predictions_df.repartition(divisions=sorted(doc_dates))
但我似乎得到了这个错误:
ValueError: left side of old and new divisions are different
问题是,您需要将compute=True
传递给dask.dataframe.set_index
,以确保数据实际上是按日期排序的,然后才能将日期的排序列表提供给repartition
命令:
predictions_df = predictions_df.set_index('doc_date', compute=True)
predictions_df = predictions_df.repartition(divisions=sorted(doc_dates))
或者,您可以将divisions
参数用于dask.dataframe.set_index
:
predictions_df = predictions_df.set_index(
'doc_date',
divisions=sorted(doc_dates),
compute=True,
)