Groupby 多列和聚合与 dask答案

【问题标题】：Groupby multiple columns and aggregation with daskGroupby 多列和聚合与 dask
【发布时间】：2019-11-29 13:05:51
【问题描述】：

dask 数据框如下所示：

A     B     C     D
1     foo   xx    this
1     foo   xx    belongs
1     foo   xx    together
4     bar   xx    blubb

我想按列 A、B、C 分组，并在 D 之间用空格连接字符串以获取

A     B     C     D
1     foo   xx    this belongs together
4     bar   xx    blubb

我知道如何用 pandas 做到这一点：

df_grouped = df.groupby(['A','B','C'])['D'].agg(' '.join).reset_index()

如何使用 dask 实现这一点？

【问题讨论】：

【解决方案1】：

ddf = ddf.groupby(['A','B','C'])['D'].apply(lambda row: ' '.join(row)).reset_index()
ddf.compute()

输出：

Out[75]: 
   A    B   C                      D
0  1  foo  xx  this belongs together
0  4  bar  xx                  blubb

【讨论】：

【解决方案2】：

您可以使用 CustomAggregation，其中每个块和聚合操作都是您的 ' '.join 方法。

【讨论】：