Question

文档提供了很好的示例，how metadata can be provided。但是，当我为数据帧选择正确的dtypes时，我仍然感到不确定。

我可以执行meta={'x': int 'y': float, 'z': float}而不是meta={'x': 'i8', 'y': 'f8', 'z': 'f8'}吗？
有人可以提醒我一个像'i8'这样的可能值列表吗？什么 dtypes存在吗？
如何指定包含任意对象的列？如何指定仅包含一个类的实例的列？

Answer 1

可用的基本数据类型是通过numpy提供的类型。请查看documentation以获取列表。

此套装中未包含日期时间格式（例如datetime64），可在pandas和numpy文档中找到其他信息。

dask数据帧的元参数通常需要一个空的pandas数据帧，其中包含列，索引和dtypes的定义。

构建此类DataFrame的一种方法是：

import pandas as pd
import numpy as np
meta = pd.DataFrame(columns=['a', 'b', 'c'])
meta.a = meta.a.astype(np.int64)
meta.b = meta.b.astype(np.datetime64)

还有一种方法可以为pandas数据帧的构造函数提供一个dtype，但是，我不知道如何为每个列提供它们。如您所见，不仅可以提供数据类型的“名称”，还可以提供实际的numpy dtype。

关于您的上一个问题，您要查找的数据类型是“object”。例如：

import pandas as pd

class Foo:
    def __init__(self, foo):
        self.bar = foo

df = pd.DataFrame(data=[Foo(1), Foo(2)], columns=['a'], dtype='object')
df.a
# 0    <__main__.Foo object at 0x00000000058AC550>
# 1    <__main__.Foo object at 0x00000000058AC358>

Answer 2

Dask.dataframe和Pandas都使用NumPy dtypes。特别是，你可以传递给np.dtype的任何东西。这包括以下内容：

NumPy dtype对象，例如np.float64
Python类型对象，例如float
NumPy dtype字符串，例如'f8'

以下是来自NumPy文档的更广泛的列表：http://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html#specifying-and-constructing-data-types

如何为dask.dataframe指定元数据

2 个答案: