GroupBy.idxmin and idxmax are very broken
还没有人认领这个 Issue。
评估
调研方向
首先使用三个分区运行提供的 test_df_groupby_idxmax reproducer，并将 Dask 结果与 pandas 和预期的 DataFrame 进行比较。跟踪 GroupBy.idxmax 和 idxmin 入口点，以找出分区结果是如何合并的；当即使最大值或最小值不在第一个分区中也能找到极值，并且结果与 pandas 匹配时，即表示完成。
由索引模型根据 Issue 内容生成。
描述
The implementation is broken as soon as the max or min value is not in the first partition
This was broken for years, so only adding for API compatibility now but we should fix this
def test_df_groupby_idxmax():
pdf = pd.DataFrame(
{"idx": list(range(4)), "group": [1, 1, 2, 2, 1], "value": [10, 20, 20, 10, 40]}
).set_index("idx")
ddf = dd.from_pandas(pdf, npartitions=3)
expected = pd.DataFrame({"group": [1, 2], "value": [4, 2]}).set_index("group")
result_pd = pdf.groupby("group").idxmax()
result_dd = ddf.groupby("group").idxmax()
assert_eq(result_pd, result_dd)
assert_eq(expected, result_dd)
This is a very simple reproducer for the underlying issue
- 主要语言
- Python
- 星标
- 89
- 派生
- 26
- PR 合并指标
- 30 天内没有已合并 PR
环境准备
- 没有 Dockerfile 或 Docker Compose 文件
- 没有 Pull Request 模板
- 阅读贡献指南
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
dask/dask-expr 的其他 Issue
-
难度 4/5 3-5 天 新手友好度 38/100
-
难度 3/5 1-2 天 新手友好度 45/100
-
难度 5/5 一周以上 新手友好度 30/100
-
难度 4/5 3-5 天 新手友好度 30/100
-
难度 3/5 1-2 天 新手友好度 25/100
相似的 Issue
-
难度 2/5 1-3 小时 新手友好度 82/100
volcengine/OpenViking#6445 ·
维护者通常 1 天内回复
-
BUG:Edit Album strips spaces from the password so albums with a leading/trailing space in the password can't be edited可能已有人在做 @ManyaJain111 今天认领。 未关闭bug enhancement possible-duplicate
难度 2/5 1-3 小时 新手友好度 77/100
AOSSIE-Org/PictoPy#1637 · 4 条评论 ·
维护者通常 2 天内回复
-
难度 2/5 1-3 小时 新手友好度 74/100
deepspeedai/DeepSpeed#8884 ·
维护者通常 3 天内回复
-
难度 2/5 1-3 小时 新手友好度 76/100
flagos-ai/FlagQuantum#718 ·
维护者通常 1 天内回复
-
bug CI-failure high priority
难度 1/5 1 小时以内 新手友好度 86/100
vllm-project/afd-plugin#483 ·
维护者通常 1 天内回复