使用Dask加载多个CSV文件时混淆了各列

Question

我试图用dask导入一堆csv文件，看来我的列混在一起了。

import pandas as pd
import dask.dataframe as dd
import numpy as np

names = ['date', 'country', 'A', 'B']

dtypes = {'booking_date': object, 'booking_country': object, 
      'A': object, 'B': np.float32}

dask_df = dd.read_csv("folder/file_*.csv", dtype=dtypes, 
                       header=None, names=names, skiprows=1)

数据框具有以下形状：

        date country    A         B
0  2019-07-24     ALB  XX  0.041786
1  2019-07-24     AND  XX  0.022168
2  2019-07-24     ARE  YY  0.177757
3  2019-07-24     ARM  YY  0.024475
4  2019-07-24     AUT  ZZ  0.287205

当我想继续使用它时，似乎某些列的A和B列混在一起了。有人知道为什么会发生这种情况以及如何避免吗？

如果我使用glob.glob创建文件列表，然后使用熊猫进行循环遍历，则不会出现此问题。难道这样做是为了解释每个文件的标头，而不是dask不能防止列混入我的输入数据集中？

非常感谢您！

蒂姆

Answer 1

感谢您的帮助。

很显然，我的某些文件的列顺序错误，而dask无法处理。 https://github.com/d6t/d6tstack/blob/master/examples-dask.ipynb将解决此问题，但我还没有时间对其进行测试。