我想基于2个现有列的值向现有的dask数据帧添加一个新列,并且涉及一个用于检查空值的条件语句:
DataFrame定义
import pandas as pd
import dask.dataframe as dd
df = pd.DataFrame({'x': [1, 2, 3, 4, 5], 'y': [0.2, "", 0.345, 0.40, 0.15]})
ddf = dd.from_pandas(df1, npartitions=2)
方法1尝试
def funcUpdate(row):
if row['y'].isnull():
return row['y']
else:
return round((1 + row['x'])/(1+ 1/row['y']),4)
ddf = ddf.assign(z= ddf.apply(funcUpdate, axis=1 , meta = ddf))
它出错了:
TypeError: Column assignment doesn't support type DataFrame
方式-2
ddf = ddf.assign(z = ddf.apply(lambda col: col.y if col.y.isnull() else round((1 + col.x)/(1+ 1/col.y),4),axis = 1, meta = ddf))
知道应该怎么做吗?
答案 0 :(得分:10)
您可以使用expect(object).to receive(:method).and_call_original
(快速),也可以使用fillna
(缓慢但灵活)
apply
当然在这种情况下,因为如果import pandas as pd
import dask.dataframe as dd
df = pd.DataFrame({'x': [1, 2, 3, 4, 5], 'y': [0.2, None, 0.345, 0.40, 0.15]})
ddf = dd.from_pandas(df, npartitions=2)
ddf['z'] = ddf.y.fillna((100 + ddf.x))
>>> df
x y
0 1 0.200
1 2 NaN
2 3 0.345
3 4 0.400
4 5 0.150
>>> ddf.compute()
x y z
0 1 0.200 0.200
1 2 NaN 102.000
2 3 0.345 0.345
3 4 0.400 0.400
4 5 0.150 0.150
为null,则函数使用y
,结果也将为null。我假设你并不打算这样做,所以我稍微改变了输出。
正如任何熊猫专家都会告诉你的那样,使用y
会带来10倍到100倍的减速惩罚。请注意。
话虽如此,灵活性很有用。除了提供不正确的元数据之外,您的示例几乎可以正常工作。你正在告诉应用该函数产生一个数据帧,实际上我认为你的函数是为了生成一个系列。您可以让Dask为您猜测元信息(虽然它会抱怨)或者您可以明确指定dtype。两个选项都显示在下面的示例中:
apply
答案 1 :(得分:1)
我对dask没有任何经验,但是你的布尔测试不会在funcUpdate中将第二个元素捕获为null。使用pandas的空值等于None或NaN / Nan,而不是""。
def funcUpdate(row):
try:
return round((1 + row['x'])/(1+ 1/row['y']),4)
except:
return row['y']
是一种可行的解决方法,但您需要事先运行数据验证。