【问题标题】:Dask 2.1.0, KeyError: 'Column not found: 0'Dask 2.1.0,KeyError:'找不到列:0'
【发布时间】:2019-07-28 23:39:41
【问题描述】:

我正在使用 dask 读取大型 csv 数据文件,并尝试对生成的数据帧执行 groupby。但是,我继续收到

KeyError: '未找到列:0'

在生成的 dask 数据帧上

我已经在 Dask 1.2.2 和 2.1.0 上复制了这个问题。我在同一个数据帧上看不到 Pandas 的问题。我在所有情况下都使用 Python 3.6

为了帮助说明问题,我已经能够简化代码并将问题复制到更简单的数据集上。

import pandas as pd
from dask import dataframe as dd
from dask import multiprocessing
from dask.distributed import Client

client = Client(processes=False)

data = {
    'col1': [1, 1, 1, 2, 2, 2, 3, 3, 3],
    'col2': ['apple','bananna','orange','apple','bananna','orange','apple','bananna','orange'],
    'col3': [34, 12, 1, 36, 22, 6, 22, 16, 4]
    }
pdf = pd.DataFrame(data=data)
print('*************  Pandas DataFrame')
print(pdf.head(5))

print('')
print('Performing groupby on Pandas DataFrame')
pgroup = pdf.groupby(by='col2')
for name, group in pgroup:
    print('')
    print(f'Group: {name}')
    print(group.head(5))


print(' ')
print(' ')


ddf = dd.from_pandas(data=pdf, npartitions=1)
print('*************  Dask DataFrame')
print(ddf.head(5))

print('')
print('Performing groupby on Dask DataFrame')
dgroup = ddf.groupby(by='col2')
for name, group in dgroup:
    print('')
    print(f'Group: {name}')
    print(group.head(5))

我本来希望 dask 数据框提供与 Pandas 结果相同的 groupby 结果。但是,我收到以下输出和错误

*************  Pandas DataFrame
   col1     col2  col3
0     1    apple    34
1     1  bananna    12
2     1   orange     1
3     2    apple    36
4     2  bananna    22

Performing groupby on Pandas DataFrame

Group: apple
   col1   col2  col3
0     1  apple    34
3     2  apple    36
6     3  apple    22

Group: bananna
   col1     col2  col3
1     1  bananna    12
4     2  bananna    22
7     3  bananna    16

Group: orange
   col1    col2  col3
2     1  orange     1
5     2  orange     6
8     3  orange     4


*************  Dask DataFrame
   col1     col2  col3
0     1    apple    34
1     1  bananna    12
2     1   orange     1
3     2    apple    36
4     2  bananna    22

Performing groupby on Dask DataFrame
Traceback (most recent call last):
  File "C:\Users\Craig\source\repos\cevans3098\MarketData_preProcessor\module1.py", line 37, in <module>
    for name, group in dgroup:
  File "F:\anaconda3\lib\site-packages\dask\dataframe\groupby.py", line 1525, in __getitem__
    g._meta = g._meta[key]
  File "F:\anaconda3\lib\site-packages\pandas\core\base.py", line 275, in __getitem__
    raise KeyError("Column not found: {key}".format(key=key))
KeyError: 'Column not found: 0'

【问题讨论】:

  • 你能显示dgroup的输出吗
  • @Akaisteph7 谢谢你的提问。我认为 groupby 导致了错误,但该调用实际上通过了。失败的是 dgroup 中的 name、group 语句。 dgroup 类型是 dask.dataframe.groupby.DataFrameGroupBy 对象。我只需要弄清楚如何检索 groupby 生成的各个组。有任何想法吗? for 语句似乎不起作用
  • 我认为stackoverflow.com/questions/39731098/…中讨论了同样的问题
  • 一般建议:首先在 pandas 中为您的 csv 取样,然后尝试您要在 apply 中使用的功能,记下 meta 然后在 dask 中使用。

标签: python pandas dataframe dask dask-distributed


【解决方案1】:

DataFrameGroupBy.__iter__ 尚未针对 Dask Dataframe 实现:https://github.com/dask/dask/issues/5124

【讨论】:

    猜你喜欢
    • 2017-04-13
    • 1970-01-01
    • 2019-12-17
    • 2014-12-19
    • 2014-03-13
    • 1970-01-01
    • 2018-04-25
    • 2017-02-01
    • 2018-11-10
    相关资源
    最近更新 更多