Dask分组变换

我试图计算由多个列定义的分组的频率，我希望将该频率输出到原始dask数据帧

比如说。我想要这张桌子

ID      PayMethod  Day      

看起来像这样：

ID      PayMethod  Day      ID_PayMethod_Count ID_PayMethod_Day_Count

Groupby+transform为我们提供了一个Groupby对象，它为我们提供了与原始数据帧相同的行数

在熊猫中，我可以做到以下几点

df['ID_PayMethod_Count'] = df.groupby(['ID','PayMethod','Count']).transform(np.size)

   ID PayMethod       Day  ID_PayMethod
0  45        CC    Monday             2
1  45      Cash    Monday             1
2  45        CC   Tuesday             2
3  57      Cash   Tuesday             2
4  57      Cash   Tuesday             2
5  69        CC  Saturday             1
6  69      Cash    Sunday             1

目前Dask未实现groupby转换方法。我想知道是否有其他选择，是可以应用到同一位置的向量化操作，还是其他方法。我知道这可以通过groupby/aggregation/merge操作来完成，但我正试图避免这种情况，因为它会导致内存问题和操作无法完成（这些是大文件）

---

谢谢。

可以通过多种方法的组合实现等效计算。下面是ID_PayMethod列的示例（我注意到您提供的数据中没有计数）

对该最终输出执行

.compute（）

，将产生以下结果

df['ID_PayMethod_Count'] = df.groupby(['ID','PayMethod','Count']).transform(np.size)

   ID PayMethod       Day  ID_PayMethod
0  45        CC    Monday             2
1  45      Cash    Monday             1
2  45        CC   Tuesday             2
3  57      Cash   Tuesday             2
4  57      Cash   Tuesday             2
5  69        CC  Saturday             1
6  69      Cash    Sunday             1

---

可通过多种方法的组合实现等效计算。下面是ID_PayMethod列的示例（我注意到您提供的数据中没有计数）

对该最终输出执行

.compute（）

，将产生以下结果

df['ID_PayMethod_Count'] = df.groupby(['ID','PayMethod','Count']).transform(np.size)

   ID PayMethod       Day  ID_PayMethod
0  45        CC    Monday             2
1  45      Cash    Monday             1
2  45        CC   Tuesday             2
3  57      Cash   Tuesday             2
4  57      Cash   Tuesday             2
5  69        CC  Saturday             1
6  69      Cash    Sunday             1