【问题标题】：Dask Dataframe groupby results in a pandas series, how do I return a dask dataframe instead?Dask Dataframe groupby 产生一个 pandas 系列，我该如何返回一个 dask 数据框？
【发布时间】：2019-10-09 12:53:35
【问题描述】：

我正在尝试在 Dask 中执行 groupby 函数来创建新的 Dask 数据框。但是，当我执行 groupby 时，结果是熊猫系列。当我在 Pandas 中做同样的事情时，我确实返回了一个新的数据框。如何返回新的 dask 数据框？

代码如下：

 g1 = df1.groupby(['SFDC_Refresh_Date', 'Forecast_Category']).Total.sum().compute()

 g1.dtypes

 dtype('float64')

和

 type(g1)

 pandas.core.series.Series

当我在 Pandas 中做类似的事情时

 g1 = df.groupby(['SFDC_Refresh_Date', 'Forecast_Category'], as_index=False).Total.sum()

和

 type(g1)

我明白了

 pandas.core.frame.DataFrame

如何通过 Dask groupby 返回 Dask 数据帧？

【问题讨论】：

标签： pandas dataframe pandas-groupby dask

【解决方案1】：

dask 不支持 ASFAIK as_index，请参阅此issue。如果您对reset_index 感到满意，您可以对pandas 和dask 使用完全相同的代码。这里以mcve为例

熊猫

import pandas as pd
import dask.dataframe as dd
import numpy as np
df =  pd.DataFrame({"a":[1,1,1,1,2,2,2],
                    "b":[1,1,2,2,3,4,4],
                    "Total":[0,1,2,3,4,5,6]})

grp = df.groupby(["a","b"])["Total"].sum()\
        .reset_index()

黎明

df = dd.from_pandas(df, npartitions=2)
grp = df.groupby(["a","b"])["Total"].sum()\
        .reset_index()

【讨论】：

【解决方案2】：

我是这样做的：

 g1 = df1.groupby(['SFDC_Refresh_Date', 'Forecast_Category']).Total.sum().to_frame().compute()
 g2 = g1.reset_index()
 dd_g2 = dd.from_pandas(g2, npartitions=1)

似乎是迂回的，但它似乎工作

【讨论】：

您实际上可以跳过to_frame 方法。