Python dask映射分区（pd.cut、bins）是否会在整个数据帧上实际运行？

我需要在dask数据帧上使用pd.cut

指示map_分区将通过将pd.cut作为函数传递来工作

---

似乎map_分区一次只向函数传递一个分区。但是，pd.cut需要访问my df的整个列才能创建箱子。因此，我的问题是：在这种情况下，map_分区是否会在整个数据帧上实际运行，或者使用这种方法是否会得到错误的结果？

在您的问题中，您正确地确定了为什么应该显式提供BIN

通过指定确切的bin cuts（基于某些计算或外部推理），可以确保dask所做的工作在分区之间具有可比性

#这并不保证可比较的切割
ddf['a'].map_分区（pd.cut）
#这确保切割符合指定的料仓
ddf['a'].映射分区（pd.cut，bins）

如果要以自动方式生成箱子，一种方法是获取感兴趣列的最小/最大值，并使用

np.linspace

生成箱子：

#请注意，需要计算才能给出
#np.linspace的实际（未延迟）值
bmin，bmax=dask.compute（ddf['a'].min（），ddf['a'].max）
#在此处指定所需的切割数
bin=np.linspace（bmin，bmax，num=123）

谢谢！如果我只为箱子指定一个整数，那么也不能保证可比较的切割，这是否正确？dask有没有办法让它在整个列上运行一些函数（pd.cut或其他）？由于.apply仅允许轴为1，因此，.apply不是一个选项。理想情况下，我会为箱子传递一个整数，让pd.cut先确定箱子，而不是单独确定箱子。请参阅更新的答案，尽管由于中间计算的原因，这并不理想。非常感谢。这完成了我想要做的事情。