切片Dask数据框

Question

我有以下代码，我想在Dask数据帧上进行训练/测试拆分

df = dd.read_csv(csv_filename, sep=',', encoding="latin-1",
                     names=cols, header=0, dtype='str') 

但是当我尝试做像

for train, test in cv.split(X, y):
    df.fit(X[train], y[train])

它因错误而失败

KeyError: '[11639 11641 11642 ..., 34997 34998 34999] not in index'

有任何想法吗？

Answer 1

Dask.dataframe不支持按行切片。loc如果您有合理的索引，它确实支持该操作。

但是，在训练/测试拆分的情况下，使用random_split方法可能会更好。

train, test = df.random_split([0.80, 0.20])

您还可以通过多种方式进行拆分和合并

splits = df.random_split([0.20, 0.20, 0.20, 0.20, 0.20])

for i in range(5):
    trains = [splits[j] for j in range(5) if j != i]
    train = dd.concat(trains, axis=0)
    test = splits[i]