为什么__getitem__没有被dask系列实现？

Posted 2023-01-05

我无法对dask系列对象做任何有用的事情。在我设法创建一个之后，我无法在低于系列对象本身的级别上使用它。换句话说，我可以计算它并将其加载到内存然后获取我想要的数据（dseries.compute()['x']），但理想情况下我想要这样的东西：dseries['x'].compute()，因为对于我的实际应用程序，dseries.compute（）可能太大了记忆。

import numpy as np
import pandas as pd
import dask.dataframe as ddf
import random

for i in range(5):
    pdseries = pd.Series('x':random.randint(0,10),'y':random.randint(0,10),'z':random.randint(0,10))
    pdseries.to_hdf(f'testi.hdf5','data',format='table')

dseries = ddf.read_hdf('test*.hdf5','data')

print(dseries['x'])

这引起了NotImplementedError。我想我会期望它返回某种dask对象，在计算时，它返回文件中的数据。

答案

在这种情况下你应该使用loc。您可能有兴趣为dask系列提出或实际实现getitem，因为该功能已经存在。