Smarter default for `split_out` in groupby aggregations
还没有人认领这个 Issue。
评估
调研方向
首先阅读链接行中的 dask_expr/_groupby.py，以了解当前的 split_out 计算方式。查看链接的基准测试 issue，了解其动机所对应的情况，并调查如何估算唯一组的数量。当默认值考虑该估算，同时保持 groupby 聚合行为正确时，即视为完成。
由索引模型根据 Issue 内容生成。
描述
Currently, the default for split_out is based on the number of partitions and groupby columns:
Ideally, this would take (an estimate of) the number of unique groups into account to avoid situations like https://github.com/coiled/benchmarks/issues/1376.
- 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
-
bug
难度 2/5 1-3 小时 新手友好度 84/100
GoogleCloudPlatform/gce-rescue#195 ·
维护者通常 2 天内回复
-
难度 2/5 1-3 小时 新手友好度 83/100
维护者通常 1 天内回复
-
intake mcp-intake needs-ac needs-human-review priority:medium
难度 2/5 1-3 小时 新手友好度 67/100
Ikalus1988/MisakaNet#3848 · 2 条评论 ·
维护者通常 1 天内回复
-
难度 1/5 1 小时以内 新手友好度 75/100
521xueweihan/HelloGitHub#4105 ·
-
bug size:XS
难度 2/5 1-3 小时 新手友好度 83/100
维护者通常 1 天内回复