Python dask数据帧中的复滤波

我习惯于对数据帧对象进行“复杂”过滤：

import numpy as np
import pandas as pd
data = pd.DataFrame(np.random.random((10000, 2)) * 512, columns=["x", "y"])
data2 = data[np.sqrt((data.x - 200)**2 + (data.y - 200)**2) < 1]

将numpy导入为np
作为pd进口熊猫
data=pd.DataFrame（np.random.random（（10000，2））*512，列=[“x”，“y”]）
数据2=数据[np.sqrt（（数据x-200）**2+（数据y-200）**2）<1]

这不会产生任何问题

但对于dask数据帧，我有：

ddata = dask.dataframe.from_pandas(data, 8)
ddata2 = ddata[np.sqrt((ddata.x - 200)**2 + (ddata.y - 200)**2) < 1]
---------------------------------------------------------------------------
NotImplementedError                       Traceback (most recent call last)
<ipython-input-13-c2acf73dddf6> in <module>()
----> 1 ddata2 = ddata[np.sqrt((ddata.x - 200)**2 + (ddata.y - 200)**2) < 1]

~/anaconda3/lib/python3.6/site-packages/dask/dataframe/core.py in __getitem__(self, key)
   2115             return new_dd_object(merge(self.dask, key.dask, dsk), name,
   2116                                  self, self.divisions)
-> 2117         raise NotImplementedError(key)
   2118 
   2119     def __setitem__(self, key, value):

NotImplementedError: 0       False

ddata=dask.dataframe.from_pandas（数据，8）
ddata2=ddata[np.sqrt（（ddata.x-200）**2+（ddata.y-200）**2）<1]
---------------------------------------------------------------------------
NotImplementedError回溯（最后一次调用）
在（）
---->1 ddata=ddata[np.sqrt（（ddata.x-200）**2+（ddata.y-200）**2）<1]
~/anaconda3/lib/python3.6/site-packages/dask/dataframe/core.py in\uuuuu getitem\uuuuuu（self，key）
2115返回新对象（合并（self.dask，key.dask，dsk），名称，
2116自我，自我划分）
->2117升起未执行错误（键）
2118
2119定义设置项（自身、键、值）：
未实现错误：0错误

同时，更简单的操作：

ddata2 = ddata[ddata.x < 200]

ddata2=ddata[ddata.x<200]

很好

我认为问题在于，只要我做任何“复杂”的数学（即

np.sqrt

），结果就不再是一个懒惰的dask数据帧

---

有办法解决这个问题吗？我是否必须创建一个新的列，然后对其进行筛选，或者是否有更好的方法？

如果您将

np.sqrt

替换为

da.sqrt

，则一切正常

import dask.array as da

---

您可能会注意到dask系列的

np.sqrt

生成一个numpy数组，因此计算中的这一步不是懒惰的，而是强制执行一个具体的结果。使用dask等效函数来保持懒惰，并保持所有dask兼容。

请接受我的道歉，我甚至没有想到在

dask.array

中寻找基本的数学函数，将来我们将能够使

np.sqrt

正常工作。你所做的是明智的。