python - Str 在 Dask Dataframe 中拆分并展开

Question

我有 3400 万行，只有一列。我想将字符串分成 4 列。

这是我的示例数据集 (df):

    Log
0   Apr  4 20:30:33 100.51.100.254 dns,packet user: --- got query from 10.5.14.243:30648:
1   Apr  4 20:30:33 100.51.100.254 dns,packet user: id:78a4 rd:1 tc:0 aa:0 qr:0 ra:0 QUERY 'no error'
2   Apr  4 20:30:33 100.51.100.254 dns,packet user: question: tracking.intl.miui.com:A:IN
3   Apr  4 20:30:33 dns user: query from 9.5.10.243: #4746190 tracking.intl.miui.com. A

我想使用这段代码将它分成四列:

df1 = df['Log'].str.split(n=3, expand=True)
df1.columns=['Month','Date','Time','Log']
df1.head()

这是我期望的结果

     Month Date      Time                                              Log
0      Apr    4  20:30:33  100.51.100.254 dns,packet user: --- go...
1      Apr    4  20:30:33  100.51.100.254 dns,packet user: id:78a...
2      Apr    4  20:30:33  100.51.100.254 dns,packet user: questi...
3      Apr    4  20:30:33  dns transjakarta: query from 9.5.10.243: #474...
4      Apr    4  20:30:33  100.51.100.254 dns,packet user: --- se...

但是响应是这样的:

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-36-c9b2023fbf3e> in <module>
----> 1 df1 = df['Log'].str.split(n=3, expand=True)
      2 df1.columns=['Month','Date','Time','Log']
      3 df1.head()

TypeError: split() got an unexpected keyword argument 'expand'

有什么解决方案可以使用 dask 拆分字符串吗？

Answer 1

编辑:现在有效

Dask dataframe 确实支持 str.split 方法的 expand= 关键字如果您还提供了一个n= 关键字并告诉它预期有多少拆分。

旧答案

看起来 dask dataframes 的 str.split 方法没有实现 expand= 关键字。如果问题尚不存在，您可能会提出问题。

作为短期解决方法，您可以创建一个 Pandas 函数，然后使用 map_partitions在你的 dask 数据帧中扩展它的方法

def f(df: pandas.DataFrame) -> pandas.DataFrame:
    """ This is your code from above, as a function """
    df1 = df['Log'].str.split(n=3, expand=True)
    df1.columns=['Month','Date','Time','Log']
    return df

ddf = ddf.map_partitions(f)  # apply to all pandas dataframes within dask dataframe

因为 Dask 数据框只是 Pandas 数据框的集合，所以当 Dask 数据框不支持它们时，您自己构建东西相对容易。