Python 如何合并所有Dask数据帧分区
我想使用Dask数据帧,我使用Python 如何合并所有Dask数据帧分区,python,multiprocessing,large-data,dask,Python,Multiprocessing,Large Data,Dask,我想使用Dask数据帧,我使用 Sales = dd.read_csv('Sales.txt',blocksize=500000, storage_options=dict(anon=True)) Product = dd.read_csv('Product.txt') 对于我的两个文件,我合并了两个表 df = sales_location = Sales.merge(Product, how='left', on ='Key')
Sales = dd.read_csv('Sales.txt',blocksize=500000,
storage_options=dict(anon=True))
Product = dd.read_csv('Product.txt')
对于我的两个文件,我合并了两个表
df = sales_location = Sales.merge(Product, how='left', on ='Key')
如果我不使用blocksize
选项,销售文件有2800万行,它不会进行分区,而且进程很长(甚至是df.head()),但如果我使用blocksize
(超过1个分区),则进程是排序的,但没有所有文件,我只能看到部分数据
所以,我的问题是,如何使处理过程更快,并处理所有文件。我想用Dask数据帧创建一个大的主文件,并制作用于分析的小数据帧