Dask DataFrame无法直接设置divisions，求高效实现方法

错误内容翻译 #

你触发的错误是因为Dask DataFrame的divisions属性已设为只读，无法直接赋值修改，报错原文翻译如下：

if key in columns and key not in [
        "divisions",
        "dask",
        "_name",
        "_meta",
        "_expr",
    ]:
        self[key] = value
    else:

object.__setattr__(self, key, value)

E AttributeError: 无法设置属性'divisions'

高效实现分区调整的方法 #

以下是几种实用的替代方案：

• 用repartition直接指定分区：如果只是需要调整分区边界或数量，直接调用ddf.repartition(divisions=<你的分区列表>)，该方法会返回一个应用了新分区规则的Dask DataFrame。如果只需要调整分区数量，也可以简化为ddf.repartition(npartitions=<目标分区数>)。
• 结合索引设置分区：如果数据有明确的索引列，且需要按索引范围划分分区，使用ddf.set_index(<索引列名>, divisions=<你的分区列表>)，这样既能完成索引设置，又能同步指定分区边界，适合按业务规则拆分数据的场景。
• 手动构建分区DataFrame：如果有特殊的分区需求，可以将原数据拆分为多个pandas DataFrame，再通过dask.dataframe.from_pandas逐个传入，同时指定divisions参数。这种方式自由度高，但要注意避免全量加载数据到内存，尽量保持拆分过程的轻量化。

注意事项 #

• 所有方法都会返回新的Dask DataFrame实例，原对象不会被修改，记得将结果赋值给新变量。
• 指定divisions时，要保证边界值有序，且与数据的索引或内容匹配，否则会出现分区数据分布不均的问题。

内容的提问来源于stack exchange，提问作者Matthew Scanlon