我想使用非关联的聚合函数顺序聚合分区集合的内容,因此我无法使用 Bag.fold
或 Bag.reduction
。
有 Bag.accumulate
似乎可以执行此操作,但它返回一个包,其中包含一些每个分区的中间结果,而不仅仅是最终聚合:
>>> import dask.bag as db
>>>
>>> def collect(acc, e):
... if acc is None:
... acc = list()
... acc.append(e)
... return acc
...
>>> b = db.from_sequence(range(10), npartitions=3)
>>> b.accumulate(collect, initial=None).compute()
[None,
[0, 1, 2, 3],
[0, 1, 2, 3],
[0, 1, 2, 3],
[0, 1, 2, 3],
[0, 1, 2, 3, 4, 5, 6, 7],
[0, 1, 2, 3, 4, 5, 6, 7],
[0, 1, 2, 3, 4, 5, 6, 7],
[0, 1, 2, 3, 4, 5, 6, 7],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]]
基本上,我只对 accumulate
输出的最后一个元素感兴趣,我不想在内存中保留中间步骤的副本。
最佳答案
Bag 目前没有顺序归约操作,但可以。今天实现此目的的一个简单方法是使用上面的 use accumulate
,但只要求最后一个分区的最后一个元素。我们可以通过使用 Bag.to_delayed 将包转换为延迟值来相对轻松地完成此操作。
acc = b.accumulate(collect, initial=None)
partitions = acc.to_delayed()
partitions[-1][-1].compute()
关于python - 如何顺序聚合dask Bag的内容?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45304982/