我正在尝试将数据帧的一列转换为datetime。在这里讨论之后https://github.com/dask/dask/issues/863 我尝试了以下代码：
将dask.dataframe作为dd导入
df['time'].map_分区（pd.to_datetime，columns='time'）.compute（）
但我收到了以下错误消息
ValueError:元数据推断失败，请提供'meta'关键字
我到底应该在meta下放什么？我应该在df中列出所有列的字典，还是只列出“时间”列的字典？我应该放什么类型的？我试过dtype和datetime64，但到目前为止它们都不起作用
谢谢你，我感谢你的指导
更新
我将在这里包括新的错误消息：
1） 使用时间戳
df['trd_exctn_dt'].map_分区（pd.Timestamp）.compute（）
TypeError:无法将输入转换为时间戳
2） 使用datetime和meta
meta=（'time'，pd.Timestamp）
df['time'].map_分区（pd.to_datetime，meta=meta）.compute（）
TypeError:to_datetime（）获得意外的关键字参数“meta”
3） 仅使用日期时间：停留在2%
[14]on
：df['trd_exctn_dt'].映射分区（pd.to_datetime）.compute（）
[]在20.3分钟内完成2%
此外，我希望能够在日期中指定格式，就像我在熊猫中所做的那样：
pd.to_datetime（df['time']，格式='%m%d%Y'
更新2
在升级到Dask 0.11之后，我不再有meta关键字的问题。但是，在2GB数据帧上，我无法使它超过2%
df['trd\u exctn\u dt'].映射分区（pd.to\u datetime，meta=meta）.compute（）
[]完成2%| 30分钟45.7秒
更新3
这样做效果更好：
def解析日期（df）：
将pd.to_datetime（df['time']，格式='%m/%d/%Y'）
映射分区（解析日期，meta=meta）
我不确定这是否是正确的方法
使用aType
您可以使用astype方法将序列的数据类型转换为NumPy数据类型
df.time.astype（'M8[us]”）
可能还有一种方法可以指定熊猫样式的数据类型（欢迎编辑）
使用map_分区和元分区
当使用诸如map\u partitions之类的黑盒方法时，dask.dataframe需要知道输出的类型和名称。在map\u partitions的docstring中列出了几种方法
可以提供具有正确数据类型和名称的空对象
meta=pd.Series（[]，name='time'，dtype=pd.Timestamp）
或者，您可以为序列提供（名称、数据类型）元组，或为数据帧提供dict
meta=（'time'，pd.Timestamp）
那么一切都会好起来的
df.time.map\u分区（pd.to\u datetime，meta=meta）
如果您在df上调用map\u partitions，那么您需要为所有内容提供数据类型。但在您的示例中并非如此