我有一个带有时间戳列的 dask 数据帧,我需要从中获取星期几和月份。
这是 ddf 结构
dfs = [delayed(pd.read_csv)(path) for path in glob('../data/20*.zip')]
df = dd.from_delayed(dfs)
meta = ('starttime', pd.Timestamp)
df['start'] = df.starttime.map_partitions(pd.to_datetime, meta=meta)
现在,如果我使用类似的东西 df.head(10).dt.year
,它有效(返回一年(。这意味着数据列被转换。
但是,当我尝试获取新列时,它会引发错误: df['dow'] = df['start'].dt.dayofweek
(或任何其他".dt"选项,就此而言(:
AttributeError: 'Series' object has no attribute 'dayofweek'
我在这里错过了什么?
我认为你的meta
不太正确(它在最新的 dask 和熊猫上为我带来了错误(。这是一个可重现的示例,可以正常工作
In [41]: import numpy as np
In [42]: import pandas as pd
In [43]: import dask.dataframe as dd
In [44]: df = pd.DataFrame({"A": pd.date_range("2017", periods=12)})
In [45]: df['B'] = df.A.astype(str)
In [46]: ddf = dd.from_pandas(df, 2)
In [47]: ddf['C'] = ddf.B.map_partitions(pd.to_datetime, meta=("B", "datetime64[ns]"))
In [48]: ddf.C.dt.dayofweek
Out[48]:
Dask Series Structure:
npartitions=2
0 int64
6 ...
11 ...
Name: C, dtype: int64
Dask Name: dt-dayofweek, 12 tasks
In [49]: ddf.C.dt.dayofweek.compute()
Out[49]:
0 6
1 0
2 1
3 2
4 3
5 4
6 5
7 6
8 0
9 1
10 2
11 3
Name: C, dtype: int64
这对你有用吗?如果没有,您能否编辑您的问题以包含最少的示例?