我正在做一个（二进制）预测练习，有47个变量但有数百万行。纯粹的pandas（或现在pydaal / daal4py）不足以设置数据;我正在调整dask示例以在本地运行。我没有在集群上安排任务，但希望流式传输我的数据，而不是全部保留在内存中。
对于dask-xgboost或其他支持dask的工具（在scikit-learn中），我需要将我的分类变量转换为数值。
在Matthew Rocklin的exercise中，这是在这一行中完成的：
df2 = dd.get_dummies(df.categorize()).persist()
其中df是dask DataFrame，dd是导入的dask DataFrame模块。
但是，我希望在早期的一行中避免使用persist()（马修为df, is_delayed = dask.persist(df, is_delayed)），因为我不能在记忆中这样做。也许这就是我尝试使用生成的DataFrame时出错的原因：
长度不匹配：预期轴有39个元素，新值有57个 元素
如何使用dask.dataframe.get_dummies()，特别是在像我这样的用例中？