我如何操作Dask'；谁是小组成员？

我有下表

    value   category
0   2       A
1   20      B
2   4       A
3   40      B

我想添加一个

mean

列，其中包含每个类别的值的平均值

    value   category  mean
0   2       A          3.0
1   20      B         30.0
2   4       A          3.0
3   40      B         30.0

我可以在熊猫身上这样做

p = pd.DataFrame({"value":[2, 20, 4, 40], "category": ["A", "B", "A", "B"]})
groups = []
for _, group in p.groupby("category"):
    group.loc[:,"mean"] = group.loc[:,"value"].mean()
    groups.append(group)
pd.concat(groups).sort_index()

我如何在达斯克做同样的事情

我不能按原样使用pandas函数，因为不能在Dask中枚举groupby对象。这个

import dask.dataframe as dd

d = dd.from_pandas(p, chunksize=100)
list(d.groupby("category"))

引发

KeyError:“未找到列：0”

我可以使用

apply

函数计算Dask中的平均值

import dask.dataframe as dd

d = dd.from_pandas(p, chunksize=100)
q = d.groupby(["category"]).apply(lambda group: group["value"].mean(), meta="object")
q.compute()

返回

category
A     3.0
B    30.0
dtype: float64

---

但我不知道如何将它们折叠回原始表的行中。

我将使用合并来实现此操作：

导入dask.dataframe作为dd
作为pd进口熊猫
df=pd.DataFrame({
“值”：[2,20,4,40]，
'类别'：['A'，'B'，'A'，'B']
})
ddf=dd.from_熊猫（df，npartitions=1）
#惰性计算每个类别的平均值
按类别平均值=（ddf
.groupby（“类别”）
.agg（{'value'：'mean'}）
.rename（列={'value'：'mean'}）
).persist（）
按类别的平均值。头（）
#将“平均值”分配给每个相应类别
ddf=ddf.merge（按类别平均，左=类别，右=真）
ddf.head（）

然后输出：

  category  value  mean
0        A      2   3.0
2        A      4   3.0
1        B     20  30.0
3        B     40  30.0

---

我将使用合并来实现此操作：

导入dask.dataframe作为dd
作为pd进口熊猫
df=pd.DataFrame({
“值”：[2,20,4,40]，
'类别'：['A'，'B'，'A'，'B']
})
ddf=dd.from_熊猫（df，npartitions=1）
#惰性计算每个类别的平均值
按类别平均值=（ddf
.groupby（“类别”）
.agg（{'value'：'mean'}）
.rename（列={'value'：'mean'}）
).persist（）
按类别的平均值。头（）
#将“平均值”分配给每个相应类别
ddf=ddf.merge（按类别平均，左=类别，右=真）
ddf.head（）

然后输出：

  category  value  mean
0        A      2   3.0
2        A      4   3.0
1        B     20  30.0
3        B     40  30.0