Dask是一个灵活的并行计算库，用于分析计算。它支持针对计算和大数据集合优化的动态任务调度。
给定以下dask数据帧：将numpy作为np导入pandas导入为pd导入dask.dataframe为dd N = int（1e4）df = pd.DataFrame（np.random.randn（N，3），columns = list（'abc'） ），...
我试图用dask导入一堆csv文件，看起来我的列混合了。导入pandas为pd import dask.dataframe为dd import numpy as np names = ['date'，'country'，'A'，'B'] ...
我一直在尝试在单个本地计算机上管理Dask的内存使用情况。出于某种原因，默认的Dask Client（）和LocalCluster（）调度程序似乎总是破坏，但Dask工作得很好......
Dask distributed无法使用numpy.arrays和sparse.matrices反序列化
我在图表上的不同任务上多次收到以下错误（执行之间的更改）。可能当某些任务返回numpy.arrays和scipy.sparse矩阵时。分散式....
我试图使用看起来像这样的dask分布并行化嵌套循环：@dask.delayed def delayed_a（e）：a = do_something_with（e）返回@ dask.delayed def delayed_b（...
对于size =（M，N）的大于内存的dask数组：如何从chunk =（1，N）重新chunk到chunk =（M，1）？
为了例如沿着整个轴应用在Numpy / Numba中编码的IIR-Filter，我需要将一个size =（M，N）dask-array从chunks =（m0，n0）重新chunk到chunks =（ m1，N），m1 <m0。正如Dask避免......
我在Django服务器后面使用Dask，我在此总结了基本设置：https：//github.com/MoonVision/django-dask-demo/其中可以找到Dask客户端：https：//github.com / ...