dask dataframe如何将列转换为to_datetime

Question

我正在尝试将我的数据帧的一列转换为datetime.在这里讨论之后https://github.com/dask/dask/issues/863我尝试了以下代码:

import dask.dataframe as dd
df['time'].map_partitions(pd.to_datetime, columns='time').compute()

但我收到以下错误消息

ValueError: Metadata inference failed, please provide `meta` keyword

究竟应该把什么放在元下？我应该在df中或仅在'time'列中放置所有列的字典吗？我应该放什么类型的？我尝试过dtype和datetime64,但到目前为止它们都没有.

谢谢你,我感谢你的指导,

更新

我将在这里包含新的错误消息:

1)使用时间戳

df['trd_exctn_dt'].map_partitions(pd.Timestamp).compute()

TypeError: Cannot convert input to Timestamp

2)使用datetime和meta

meta = ('time', pd.Timestamp)
df['time'].map_partitions(pd.to_datetime,meta=meta).compute()
TypeError: to_datetime() got an unexpected keyword argument 'meta'

3)只使用日期时间:陷入2%

    In [14]: df['trd_exctn_dt'].map_partitions(pd.to_datetime).compute()
[                                        ] | 2% Completed |  2min 20.3s

此外,我希望能够在日期中指定格式,就像我在pandas中所做的那样:

pd.to_datetime(df['time'], format = '%m%d%Y'

更新2

更新到Dask 0.11后,我不再遇到meta关键字问题.不过,我无法在2GB数据帧上超过2%.

df['trd_exctn_dt'].map_partitions(pd.to_datetime, meta=meta).compute()
    [                                        ] | 2% Completed |  30min 45.7s

更新3

这样做得更好:

def parse_dates(df):
  return pd.to_datetime(df['time'], format = '%m/%d/%Y')

df.map_partitions(parse_dates, meta=meta)

我不确定这是否是正确的做法

Answer 1

使用 astype

您可以使用该astype方法将系列的dtype转换为NumPy dtype

df.time.astype('M8[us]')

可能还有一种指定Pandas样式dtype的方法(编辑欢迎)

使用map_partitions和meta

当使用黑盒方法时map_partitions,dask.dataframe需要知道输出的类型和名称.在文档字符串中列出了几种方法map_partitions.

您可以使用正确的dtype和名称提供空的Pandas对象

meta = pd.Series([], name='time', dtype=pd.Timestamp)

或者,您可以为(name, dtype)DataFrame 提供Series或dict 的元组

meta = ('time', pd.Timestamp)

那一切都应该没问题

df.time.map_partitions(pd.to_datetime, meta=meta)

如果你打电话map_partitions,df那么你需要提供所有的dtypes.但是在你的例子中并非如此.

Answer 2

我不确定这是否是正确的方法，但映射列对我有用：

df['time'] = df['time'].map(lambda x: pd.to_datetime(x, errors='coerce'))

Answer 3

Dask还附带了to_timedelta，因此它也应该工作。

df['time']=dd.to_datetime(df.time,unit='ns')

取值单位与pandas中的pd.to_timedelta相同。可以在这里找到。

Answer 4

这对我有用

ddf["Date"] = ddf["Date"].map_partitions(pd.to_datetime,format='%d/%m/%Y',meta = ('datetime64[ns]'))