Wie kann ich Daten aus einem DASK-Datenframe anhand einer Liste von Indizes auswählen?

Question

Sagen wir, ich habe den folgenden dask Datenrahmen.

dict_ = {'A':[1,2,3,4,5,6,7], 'B':[2,3,4,5,6,7,8], 'index':['x1', 'a2', 'x3', 'c4', 'x5', 'y6', 'x7']} 
pdf = pd.DataFrame(dict_) 
pdf = pdf.set_index('index') 
ddf = dask.dataframe.from_pandas(pdf, npartitions = 2) 

Darüber hinaus habe ich eine Liste von Indizes, die mich interessieren, z.

indices_i_want_to_select = ['x1','x3', 'y6'] 

Wie kann ich einen neuen dask Datenframe erzeugen, der nur die von den Indizes angegebenen Zeilen enthält? Gibt es einen Grund, warum etwas wie ddf [ddf.A> = 4] möglich ist, während ddf [ddf.index in indices_i_want_to_select] oder ddf.loc [indices_i_want_to_select] nicht ist?

Answer 1

Die folgende scheint zu funktionieren:

import pandas as pd 
import dask.dataframe as dd 

#generate example dataframe 
pdf = pd.DataFrame(dict(A = [1,2,3,4,5], B = [6,7,8,9,0]), index=['i1', 'i2', 'i3', 4, 5]) 
ddf = dd.from_pandas(pdf, npartitions = 2) 

#list of indices I want to select 
l = ['i1', 4, 5] 

#generate new dask dataframe containing only the specified indices 
ddf_selected = ddf.map_partitions(lambda x: x[x.index.isin(l)], meta = ddf.dtypes) 

edit: dies nur geeignet, wenn die Reihenfolge des Ergebnisses ist nicht wichtig.