因此dask.dataframe.map_partitions()需要一个func论点和meta争论。如何准确确定其返回类型？举个例子：
... \ some_folder中有很多csv。
ddf = dd.read_csv(r"...\some_folder\*", usecols=['ColA', 'ColB'],
blocksize=None,
dtype={'ColA': np.float32, 'ColB': np.float32})
example_func = lambda x: x.iloc[-1] / len(x)
metaResult = pd.Series({'ColA': .1234, 'ColB': .1234})
result = ddf.map_partitions(example_func, meta=metaResult).compute()
我对“分布式”计算还很陌生，但是我可以直观地期望它返回Series对象的集合（很可能是列表或字典），但是结果是一个Series对象，可以认为是结果的串联每个分区上的example_func。如果此系列有一个MultiIndex来指示分区标签，那么这本身就足够了。
从这个问题，文档和源代码本身可以看出，这是因为读取csv ddf.divisions会返回a (None, None, ..., None)吗？有没有一种简便的方法来执行此操作，或者我需要自己手动进入并中断返回的Series（example_func每个分区返回的Series的串联）？
另外，请随时更正我的假设/做法，因为我是新手。