借助自定义功能轻松实现

我正在尝试使用Dask，但是在分组后使用apply时遇到了问题。

我有一个Dask DataFrame，其中包含大量行。让我们考虑例如以下

N=10000
df = pd.DataFrame({'col_1':np.random.random(N), 'col_2': np.random.random(N) })
ddf = dd.from_pandas(df, npartitions=8)

我想对col_1的值进行bin，然后从这里开始遵循解决方案

bins = np.linspace(0,1,11)
labels = list(range(len(bins)-1))
ddf2 = ddf.map_partitions(test_f, 'col_1',bins,labels)

哪里

def test_f(df,col,bins,labels):
    return df.assign(bin_num = pd.cut(df[col],bins,labels=labels))

这可以达到我的预期。

现在我想取每个仓中的中位数（取自此处）

median = ddf2.groupby('bin_num')['col_1'].apply(pd.Series.median).compute()

拥有10个bin，我希望“中位数”有10行，但实际上有80行。数据帧有8个分区，所以我猜想应用程序在某种程度上可以单独处理每个行。

但是，如果我想要平均值并使用mean

median = ddf2.groupby('bin_num')['col_1'].mean().compute()

它有效，输出有10行。

然后的问题是：我在做什么错而阻止apply充当mean？

问题来源：stackoverflow