Question

我有很多简单的数据框，每个数据框都包含具有坐标（比如说“ X”，“ Y”和“ Z”）和颜色值（比如说“ R”，“ G”和“ B”）的点）。那些不同的模糊数据帧可能包括也包含在其他数据帧中的点。基于X，Y，Z值，我想确定一种颜色，因此我有一个函数将一组颜色作为输入并返回一种颜色。我还将所有现有数据帧附加到一个（ddf中，希望能够轻松使用dask的可能性。

所以这基本上是我的代码：

def determine_color(data):
    '''
    Takes a dataframe with X,Y,Z,R,G,B and arbitrary number of rows and 
      returns coordinates and color. X,Y,Z of input are all the same
    INPUT: data - dask dataframe
    OUTPUT: pandas dataframe
    '''
    colors = np.array(data[['R','G','B']]) # <- ERROR occurs
    ...
    point = pd.DataFrame({'X' : data.loc[0, 'X'], 'Y': data.loc[0, 'Y'], 'Z' : data.loc[0, 'Z'],
            'R': finalcolor[0], 'G': finalcolor[1], 'B': finalcolor[2]})
    return point

...
# Take all points with same X,Y,Z coordinates and determine their color
meta = {'X' : float, 'Y': float, 'Z' : float, 'R':int, 'G':int, 'B':int}
ddf = ddf.set_index('X').groupby(['X','Y','Z']).apply(determine_color, meta=meta).reset_index()
# Convert dask dataframe to pandas dataframe
ddf = ddf.compute()

如果运行此命令，则在标记的点出现错误。不知何故，我无法确切地知道给determine_color提供的参数是什么，我猜想它是一个模糊的数据帧，但是我无法从中获取一个numpy数组。关于规模，必须有某种可能，因为我可以确定该小组最多有350名成员，这些成员肯定可以容纳在内存中...

错误消息显示"None of [Index(['R', 'G', 'B'], dtype='object', name='X')] are in the [index]"。这是否意味着我必须先打.set_index('R')之类的电话？我尝试过，但是现在出现错误"None of [Index(['R', 'G', 'B'], dtype='object', name='R')] are in the [index]"。

我的最后一个问题是我是否对元数据正确理解？最后，ddf仅包含一次坐标组合和相应的RGB值（如果我像上图所示那样实现）是否正确？

如何使用dask数据框groupby应用于原始数据框中的替代列？

0 个答案: