小编grz*_*ześ的帖子

默认情况下describe,Dask DataFrame的方法仅汇总数字列.根据文档,我应该能够通过提供include参数来获得分类列的描述.然而

df.describe(include=['category']).compute()

导致一个

TypeError: describe() got an unexpected keyword argument 'include'.

我也试过了一个不同的方法:

df.select_dtypes(include=['category']).describe().compute()

而这次我得到了

ValueError: DataFrame contains only non-numeric data.

您能否告诉我们在Dask DataFrame中总结分类列的最佳方法是什么？

我有一个multiply.py包含以下内容的文件：

from typing import NamedTuple

class Result(NamedTuple):
    product: int
    desc: str

def multiply(a: int, b: int) -> Result:
    return Result(
        product=a * b,
        desc=f"muliplied {a} and {b}",
    )

x=4
y=5
print(multiply(x, y))

如果我像这样运行它，它当然会产生预期的结果：

$ python multiply.py 
Result(product=20, desc='muliplied 4 and 5')

exec不过我正在尝试使用以下函数运行它main.py：

from pathlib import Path

gl, lo = {}, {}
exec(Path("multiply.py").read_text(), gl, lo)

这次的输出令人失望：

$ python main.py 
Traceback (most recent call last):
  File "main.py", line 4, in <module>
    exec(Path("multiply.py").read_text(), gl, lo)
  File "<string>", line …

我将以最小的例子解释我的问题.假设我有三个文件:

A.jl

module A

export Atype, f

type Atype  
end

f = function(x::Atype)
    println("f called with A")
end
end #module

B.jl

module B

export Btype, f

type Btype  
end

f = function(x::Btype)
    println("f called with B")
end
end #module

Main.jl

 using A
 using B

 main = function()
    x = Atype()
    f(x)
 end

 main()

这里我有两个版本的f功能.如果我理解正确的多次发送的想法,应该在运行时期间扣除应该使用哪个版本.因此,我预计运行Main.jl会打印出来f called with A.不幸的是,我明白了

$ julia Main.jl 
ERROR: type: anonymous: in typeassert, expected Btype, got Atype
 in include at /usr/bin/../lib64/julia/sys.so
 in process_options at …