.join 在 dask 数据帧中的结果似乎取决于方式，它们生成了 dask 数据帧

Question

将join应用于由.from_delayed方法生成的dask数据帧时，我得到了意想不到的结果。我想通过以下示例来证明这一点，该示例由三部分组成。

通过from_delayed方法生成dask数据帧并将其与通过from_pandas
使用 compute 方法将两个数据帧转换为 pandas 数据帧。如 (1) 所示加入他们
使用compute将通过from_delayed方法生成的dask数据帧转换为pandas。 Aferwards 使用 from_pandas 将其转换回 dask。然后按照 (1) 中的方式加入。

考虑以下代码：

import dask.dataframe
import pandas as pd

# functions for generating a dask dataframe
def get_pdf(character):
    '''constructs a pandas dataframe with indexes [character]1, ..., [character]5'''
    index = [character + str(i) for i in range(5)]
    return pd.DataFrame({'A':[1,2,3,4,5]}, index = index)

def get_ddf():
    '''constructs dask dataframe out of pandas dataframes via the .from-delayed method with indexes A1, A2, A3, ... F3, F3, F4'''
    delayed_list = [dask.delayed(get_pdf)(x) for x in 'ABCDEF']  
    return dask.dataframe.from_delayed(delayed_list)

#generate dask dataframes, that will be joined
ddf1 = get_ddf()
ddf2 = dask.dataframe.from_pandas(pd.DataFrame({'B': [1,2,3]}, index = ['A0', 'B1', 'C3']), npartitions = 2)

#recreate ddf1 by converting it to a pandas dataframe and afterwards to a dask dataframe
ddf1_from_pandas = dask.dataframe.from_pandas(ddf1.compute(), npartitions = 3)

#compute joins
dask_from_delayed_join = ddf1.join(ddf2, how = 'inner')
pandas_join = ddf1.compute().join(ddf2.compute(), how = 'inner')
dask_from_pandas_join = ddf1_from_pandas.join(ddf2, how = 'inner')

我希望所有三个结果（dask_from_delayed_join、pandas_join、dask_from_pandas_join）都相同。

但是，第一个结果与其他结果不同：

print(dask_from_delayed_join.compute()):

Empty DataFrame
Columns: [A, B]
Index: []

print(pandas_join):

print(dask_from_pandas_join.compute()):

这是怎么回事？

Answer 1

dd.merge确实存在一些问题。这些已在 dask 版本 0.10.2

中得到解决

In [10]: print(dask_from_delayed_join.compute())
    A  B
A0  1  1
B1  2  2
C3  4  3

In [11]: print(pandas_join)
    A  B
A0  1  1
B1  2  2
C3  4  3

In [12]: print(dask_from_pandas_join.compute())
    A  B
A0  1  1
B1  2  2
C3  4  3

.join 在 dask 数据帧中的结果似乎取决于方式，它们生成了 dask 数据帧

Result of .join in dask dataframes seems to depend on the way, the dask dataframe was generated

python

pandas

dask