下面是我的Python代码：
import dask.dataframe as dd
VALUE2015 = dd.read_csv('A/SKD - M2M by Salesman (value by uom) (NEWSALES)2015-2016.csv', usecols = VALUEFY, dtype = traintypes1)
REPORT = VALUE2015.groupby(index).agg({'JAN':'sum', 'FEB':'sum', 'MAR':'sum', 'APR':'sum', 'MAY':'sum','JUN':'sum', 'JUL':'sum', 'AUG':'sum', 'SEP':'sum', 'OCT':'sum', 'NOV':'sum', 'DEC':'sum'}).compute()
REPORT.to_csv('VALUE*.csv', header=True)
创建100MB CSV文件需要6分钟。
答案 0 :(得分：1)
在查阅Dask文档时，它说：“一般来说，Dask.dataframe分组聚合的性能与Pandas分组聚合的性能大致相同。因此，除非您使用Dask分布式客户端来管理工作人员，线程等，否则使用它而不是普通的Pandas的好处并不总是存在的。
另外，请尝试为代码中的每个步骤计时，因为如果6分钟的大部分时间是通过将.CSV写入磁盘上的文件来完成的，那么Dask再次将无济于事（对于单个文件）。 / p>
Here是Dask提供的不错的教程，内容涉及为任务添加分布式调度程序。