Vaex函数中的意外输出

Question

我有如下的Vaex函数：

@vaex.register_function(on_expression=True)
def getSumStatsByGroup(df, group, x):
    data = (df.groupby(by=group, agg={'Min' : vaex.agg.min(df[x]), 'Mean' : vaex.agg.mean(df[x]), 'Max' : vaex.agg.max(df[x]),
                              'Variance' : vaex.agg.var(df[x])}))
    return data

尽管每次运行它，我都会得到非常混乱的数据，如下所示：

 File <unknown>:2
    0           AR              2020-12-06 00:00:00.000000000  AR              Argentina       AR                    ARG                   0                    2176.0           150.0           1489103.0               43125.0                3699476.0            nan                       nan                              nan                             nan                                    nan                               nan                                      44938712.0    19523766.0         20593330.0           3599141.0           41339571.0          16.515                0.825                    

虽然，当我手动填写参数时：

df.groupby(by='country_name', agg={'Min' : vaex.agg.min(df['new_confirmed']), 'Mean' : vaex.agg.mean(df['new_confirmed']), 'Max' : vaex.agg.max(df['new_confirmed']),
                              'Variance' : vaex.agg.var(df['new_confirmed'])})

输出结果和预期的一样。我尝试过将返回值转换为熊猫数据格式，调用它上的print()，将其更改为on_expression=False，去掉函数中的返回关键字，但每次都得到完全相同的结果。我在jupyter笔记本上运行这个程序，并且非常困惑为什么它在手动填充参数时工作，而不是使用Vaex函数。任何帮助或解释都是非常有用的！

Answer 1

我认为您误解了@register_function装饰器的工作原理及其预期用途。

装饰器在dataframe上每一行应用函数。预期参数是一个或多个列/表达式或常量。然后，该函数将接受一行数据，并对其进行评估并返回结果。函数应该返回一个值(一个示例、int、string，甚至可能是一个列表，或者一个numpy数组，我认为这些结构中有一些是由vaex支持的)。基本上，输出应该是一个vaex表达式(而groupby不适合这个表达式，因为它的输出是一个dataframe)。

这是有用的，因为vaex将运行这个核心外，并并行，所以你会得到一些加速。在某种程度上，它类似于apply，但其思想是，对于特定的项目，您可以构建自己的内部扩展，以完全满足您的需要。

我希望我的解释有点道理。我认为@register_functiion应该在保险库上有更好的记录。无论如何，这里是一个链接到文档。

也许对于您的usecase (如果我正确理解的话)，您可能想看看定制的数据存取器