python - ValueError : Not all divisions are known, 无法对齐 dask 数据帧上的分区错误

Question

我有以下带有以下列的 Pandas 数据框

user_id user_agent_id requests

所有列都包含整数。我不想对它们执行一些操作并使用 dask 数据帧运行它们。这就是我所做的。

user_profile = cache_records_dataframe[['user_id', 'user_agent_id', 'requests']] \
    .groupby(['user_id', 'user_agent_id']) \
    .size().to_frame(name='appearances') \
    .reset_index() # I am not sure I can run this on dask dataframe

user_profile_ddf = df.from_pandas(user_profile, npartitions=4)
user_profile_ddf['percent'] = user_profile_ddf.groupby('user_id')['appearances'] \
    .apply(lambda x: x / x.sum(), meta=float) #Percentage of appearance for each user group

但是我得到以下错误

raise ValueError("Not all divisions are known, can't align "
ValueError: Not all divisions are known, can't align partitions. Please use `set_index` to set the index.

我做错了什么吗？在纯 pandas 中它工作得很好但是对于很多行来说它变得很慢(尽管它们适合内存)所以我想并行计算。

Answer 1

在创建 dask dataframe 时添加 reset_index():

user_profile_ddf = df.from_pandas(user_profile, npartitions=4).reset_index()