如何使用 Dask Pivot_table？

Question

我正在尝试通过以下数据框在 Dask 上使用 Pivot_table：

    date    store_nbr   item_nbr    unit_sales  year    month
0   2013-01-01  25       103665      7.0        2013      1
1   2013-01-01  25       105574      1.0        2013      1
2   2013-01-01  25       105575      2.0        2013      1
3   2013-01-01  25       108079      1.0        2013      1
4   2013-01-01  25       108701      1.0        2013      1

当我尝试如下pivot_table时：

ddf.pivot_table(values='unit_sales', index={'store_nbr','item_nbr'}, 
                                  columns={'year','month'}, aggfunc={'mean','sum'})

我收到了这个错误：

ValueError: 'index' must be the name of an existing column

如果我只在索引和列参数上使用一个值，如下所示：

df.pivot_table(values='unit_sales', index='store_nbr', 
                                  columns='year', aggfunc={'sum'})

我收到了这个错误：

ValueError: 'columns' must be category dtype

Answer 1

该错误告诉您 dask 数据框期望在 columns 关键字中使用的列是分类 dtype。它需要这个，以便它可以正确定义列，即使在惰性操作期间也是如此。您可以按以下方式完成此操作：

df = df.categorize(columns=['year'])