使用Dask Delayed后无法生成正确DataFrame的问题求助

问题原因 #

你遇到的额外括号嵌套是因为：

• map() 返回的是迭代器，当你把这个迭代器传给 dd.compute() 时，Dask 会将其视为单个参数，因此返回结果会被包装在一个元组中（元组的第一个元素就是你需要的字典列表）。
• 另外，你的 combine 函数返回的字典中包含延迟对象，但直接计算后需要将结果转换为 DataFrame。

修正方案一：调整计算步骤并转换为 DataFrame #

直接修改现有代码，处理计算后的元组并生成 DataFrame：

from dask import delayed, compute
import pandas as pd

def combine(val):
    a = delayed(rss)(val)
    b = delayed(altman)(val)
    df = {'Tiker': val, 'RS': a, 'Alt': b}
    return df

vals = tickers

# 将 map 迭代器转换为列表（包含带延迟对象的字典）
delayed_dicts = list(map(combine, vals))
# 计算所有延迟对象，提取元组中的列表部分
computed_list = compute(delayed_dicts)[0]
# 转换为 DataFrame
df = pd.DataFrame(computed_list)

修正方案二：用 @delayed 装饰 combine 函数（更简洁） #

将整个 combine 函数标记为延迟执行，代码结构更清晰：

from dask import delayed, compute
import pandas as pd

@delayed
def combine(val):
    # 这里直接调用 rss 和 altman，不需要再用 delayed() 包裹
    a = rss(val)
    b = altman(val)
    return {'Tiker': val, 'RS': a, 'Alt': b}

vals = tickers

# 生成延迟对象列表
delayed_results = [combine(val) for val in vals]
# 计算所有延迟结果
computed_results = compute(*delayed_results)
# 转换为 DataFrame
df = pd.DataFrame(computed_results)

或者也可以这样计算（结果一致）：

computed_results = compute(delayed_results)[0]
df = pd.DataFrame(computed_results)

验证结果 #

执行上述代码后，df 会是一个标准的 pandas DataFrame，包含 Tiker、RS 和 Alt 三列，对应你需要的数据。

内容的提问来源于stack exchange，提问作者user19858347