这在 Pandas 中是可能的。
我想用 dask 来做。
编辑:在 dask 上提出 here
仅供引用,您可以从 xarray.Dataset to a Dask.DataFrame
使用 .to_xarry 的 Pandas 解决方案:
import pandas as pd
import numpy as np
df = pd.DataFrame([('falcon', 'bird', 389.0, 2),
('parrot', 'bird', 24.0, 2),
('lion', 'mammal', 80.5, 4),
('monkey', 'mammal', np.nan, 4)],
columns=['name', 'class', 'max_speed',
'num_legs'])
df.to_xarray()
<xarray.Dataset>
Dimensions: (index: 4)
Coordinates:
* index (index) int64 0 1 2 3
Data variables:
name (index) object 'falcon' 'parrot' 'lion' 'monkey'
class (index) object 'bird' 'bird' 'mammal' 'mammal'
max_speed (index) float64 389.0 24.0 80.5 nan
num_legs (index) int64 2 2 4 4
Dask解决方案?import dask.dataframe as dd
ddf = dd.from_pandas(df, 1)
?
可以使用 xarray 寻找解决方案,但我认为它只有 .from_dataframe .import xarray as xr
ds = xr.Dataset()
ds.from_dataframe(ddf.compute())
最佳答案
我一直在寻找类似的东西并创建了这个函数(它并不完美,但效果很好)。
它还将所有 dask 数据保存为 dask 数组,以节省内存等。
import xarray as xr
import dask.dataframe as dd
def dask_2_xarray(ddf, indexname='index'):
ds = xr.Dataset()
ds[indexname] = ddf.index
for key in ddf.columns:
ds[key] = (indexname, ddf[key].to_dask_array().compute_chunk_sizes())
return ds
# use:
ds = dask_2_xarray(ddf)
示例:path = LOCATION TO FILE
ddf_test = dd.read_hdf(path, key="/data*", sorted_index=True, mode='r')
ds = dask_2_xarray(ddf_test, indexname="time")
ds
结果:大部分时间都花在计算块大小上,所以如果有人知道更好的方法,它会更快。
关于pandas - Dask:将 dask.DataFrame 转换为 xarray.Dataset,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60896303/