Dask：按索引从 Dataframe 中子集（或删除）行

Dask: subset (or drop) rows from Dataframe by index

我想根据一组索引键获取 Dask 数据帧的行的子集。 （具体来说，我想找到 ddf1 的索引不在 ddf2 的索引中的行。）

cache.drop([overlap_list]) 和 diff = cache[should_keep_bool_array] 要么抛出 NotImplementedException 要么不工作。

最好的方法是什么？

我不确定这是 "best" 的方式，但我最终是这样做的：

  1. 创建一个 Pandas DataFrame，索引是我要保留的一系列索引键（例如，pd.DataFrame(index=overlap_list)）
  2. 内部加入Dask Dataframe

另一种可能是：

df_index = df.reset_index()
df_index = df_index.dorp_dplicates()