我有一个参数数据框并对每一行应用一个函数。这个函数本质上是几个 SQL 查询和对结果进行简单计算。
我正在尝试利用Dask的多进程,同时保持结构和界面。下面的示例可以工作并且确实有显著的提升:
def get_metrics(row):
record = {'areaName': row['name'],
'areaType': row.area_type,
'borough': row.Borough,
'fullDate': row['start'],
'yearMonth': row['start'],
}
Q = Qsi.format(unittypes=At,
start_date=row['start'],
end_date=row['end'],
freq='Q',
area_ids=row['descendent_ids'])
sales = _get_DF(Q)
record['salesInventory'] = len(sales)
record['medianAskingPrice'] = sales.price.median()
R.append(record)
R = []
x = ddf.map_partition(lambda x: x.apply(_metric, axis=1), meta={'result': None})
x.compute()
result2 = pd.DataFrame(R)
然而,当我尝试使用
.apply
方法时(如下所示),它会抛出'DataFrame' object has no attribute 'name'
的错误信息...R = list()
y = ddf.apply(_metrics, axis=1, meta={'result': None})
然而,ddf.head() 显示数据框中有一个 name
列。
dask_DF.apply()
但是说ddf
有一个名为 name 的列。尝试使用ddf.apply()
。 - Mike Müller