如何从Dask DataFrame按索引选少量行？遇iloc属性报错

你遇到的问题本质上是Dask DataFrame和Pandas DataFrame的API差异导致的：用dd.read_csv()生成的是Dask DataFrame，它是为处理大规模分布式数据设计的，采用延迟计算模式，并不支持Pandas里的iloc、loc这类基于位置/标签的直接索引方法。

下面给你几个可行的解决办法：

方法1：转换为Pandas DataFrame（适合小数据集） #

如果你的数据量不大，能完全加载到内存里，可以先把Dask DataFrame转换成Pandas DataFrame，之后就能正常使用所有Pandas的索引方法了：

# 转换为Pandas DataFrame
df_pd = df.compute()
# 现在可以用iloc获取前5行并计算长度
len(df_pd.iloc[0:5])

⚠️ 注意：如果数据集过大，这个方法会导致内存溢出，谨慎使用。

方法2：用Dask的head()方法获取前N行（推荐） #

Dask专门提供了head()方法来获取数据集的前N行，它会直接返回一个Pandas DataFrame，不需要加载全量数据，更适合大规模数据场景：

# 获取前5行（返回Pandas DataFrame）
first_five_rows = df.head(n=5)
# 直接计算长度
len(first_five_rows)

这个方法既高效又安全，是取前几行数据的最优解。

方法3：通过分区获取数据（适合复杂场景） #

如果需要更精细的分区控制，可以用get_partition()获取指定分区，再转换为Pandas DataFrame处理：

# 获取第一个分区并转为Pandas DataFrame
partition_0 = df.get_partition(0).compute()
# 从分区中取前5行
len(partition_0.iloc[0:5])

不过这个方法更适合需要处理特定分区的场景，单纯取前几行的话还是head()更方便。

总结一下：Dask DataFrame的设计思路和Pandas不同，不要直接套用Pandas的索引方法，优先用Dask原生的head()来获取少量样本数据，或者在数据量可控时用compute()转为Pandas处理。

内容的提问来源于stack exchange，提问作者madnavs