如何从dask.DataFrame提取前1000行用于后续操作测试？

确实，Dask DataFrame的切片行为和Pandas差异很大——你提到的df[:1000]会取前1000个分区而非前1000行，这肯定不符合预期。而且默认的head()会直接返回Pandas DataFrame，没法直接用于后续Dask操作测试。这里有几个靠谱的解决方案：

方案1：用head()生成Dask DataFrame #

默认head()会立即计算并返回Pandas对象，但只要加上compute=False参数，就能得到一个仅包含前1000行的Dask DataFrame，完全适配后续的Dask操作链：

import dask.dataframe as dd

# 假设dask_df是你的大型Dask DataFrame
dask_sample = dask_df.head(n=1000, compute=False)

这个方法简单直接，而且不会触发全量计算，适合快速生成测试用的小Dask数据集。

方案2：使用take()提取指定位置的行 #

如果需要更灵活的行位置提取，take()方法可以直接获取指定位置索引的行，返回结果也是Dask DataFrame：

dask_sample = dask_df.take(range(1000))

注意：这里的range(1000)对应的是位置索引（即第0到第999行），而非DataFrame的标签索引。如果你的数据有自定义索引，这个方法依然按物理位置取行。

方案3：Pandas转Dask（适合快速验证） #

如果你已经用head(1000)得到了Pandas DataFrame，又想转回Dask格式用于后续测试，可以这样做：

pandas_sample = dask_df.head(1000)
dask_sample = dd.from_pandas(pandas_sample, npartitions=1)

这个方法适合需要先快速查看数据，再基于小数据集测试Dask操作的场景。

补充说明 #

为什么df[:1000]不符合预期？因为Dask是为分布式大数据设计的，切片语法[:n]在Dask中代表取前n个分区，而不是前n行——如果你的DataFrame每个分区有上万行，这个操作会返回远多于1000行的数据，这就是和Pandas行为的核心差异。

内容的提问来源于stack exchange，提问作者Stefan van der Walt