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。
如何将 groupby.aggregrate 中的列值重新分配回 dask 中的原始数据帧？
我有一个像这样的数据集，其中每一行都是玩家数据： >>> df.head() 游戏大小 比赛编号 党的大小 球员助攻 玩家击杀数 参赛者姓名 团队 ID 团队安置 0 37
我正在尝试使用以下代码将 dask 数据帧转换为 pandas 数据帧： 将 dask.dataframe 导入为 dd uri =“mysql+pymysql://myUser:myPassword@myHost:myPort/myDatabase” 数据...
snowflake 卸载到 S3，因为 parquet 没有列名，也没有正确的数据类型
以下命令在 S3 中生成 parquet 文件： 使用数据库沙箱； 使用架构沙箱； 创建或替换文件格式 my_parquet_format 类型 = 镶木地板； 复制到@bla/x_ 从 （ 选择 ...
Pandas / Dask - 对大型 CSV 进行分组和聚合会消耗内存和/或需要相当长的时间
我正在尝试使用一个小型 POC 来尝试分组和聚合，以减少 pandas 和 Dask 中大型 CSV 的数据，并且我观察到内存使用率很高和/或比我预期的处理时间慢......
在 pandas 中，我可以通过以下方式创建带有 pyarrow dtype 的系列： >>> 将 pandas 导入为 pd >>> s = pd.Series([1,2,3]).astype("int64[pyarrow]") >>> s.dtype
根据这个答案，我一直在尝试使用dask从压缩目录中读取多个CSV。但是，我收到一条很长的错误消息，我无法理解。我认为重要的一行我...
我有一个由多个 2d DataFrame 组成的 dask 数据框（每个分区都是一个 2d DataFrame）。我想要最有效的方法来找到生成单个 2d DataFra 的所有分区的平均值...
我需要在dask-distributed中进行简单的fifo调度
我有多个客户端作为服务器、一个调度程序和一个具有 3 个线程的工作线程。 我的客户端是异步的，当我收到请求时，他们使用分布式客户端。 调用看起来像这样：
我正在使用 dask.distrinulated，并且我有两个 dask DataFrame A 和 B。两者都有相同数量的分区，每个分区都是一个 2D DataFrame，包含相同的列和行，并且具有 f...
如何在使用dask打开的xarray数据集中使用一维函数metpy.parcel_profile
我无法在4D xarray数据集（用dask分段）上计算parcel_profile（1D函数）。 你好， 我真的需要帮助，我正在研究有关压力水平的 ERA5 每小时数据。我已经提取了亲戚
我有一个非常大的距离矩阵，我需要迭代每个值并在条件为真时更新距离。 这是我的 Pandas/Numpy 代码块： dist_mat = pd.read_csv() 日期...
运行包含map_blocks和reduce的计算时出现类型错误
我很难诊断错误的原因。我的代码涉及对一些数组运行卷积（使用map_blocks），如果它们属于同一组变量，否则只是rec...
在 pandas 中，我可以在 np.where() 使用的不同列上使用多个条件标记新列，例如： 将 pandas 导入为 pd df = pd.DataFrame({'名称':['A','B','C'], 是...
我想知道是否有可能将自适应时间步进器并行化，例如 Runge-Kutta 23 方法（或更高阶）与 Dask？ 假设我有 10 个 Dask 工作人员（每个工作人员有 1 个核心/等级），我分配 1...
我有两个大数据集（A 和 B），每个数据集包含 200000 个图像文件，每个文件的形状为 (44000,44000)。数据类型是 unint16。 因此，如果读取了所有文件，它将是：(200000,44000,...
我从命令行运行 SSH 集群。每个节点有 32 个 CPU。 dask ssh --hostfile $PBS_NODEFILE --nworkers 32 --nthreads 1 & 代码： 导入任务 从 dask.distributed 导入客户端 # 项是
我在尝试使用 Dask 实现共轭梯度算法（用于教学目的）时，我意识到性能比简单的 numpy 实现要差得多。 经过几次尝试...
我最近遇到一个问题，即在将 Pandas 数据帧转换为 Dask 数据帧后，Dask 将元组列表转换为来自 pandas 的列表，同时在 groupby 上应用函数。下面是一个...
使用 Dask 在一堆服务器上训练 pytroch-lightning 模型的最简单方法是什么？
我可以访问几十个没有 GPU 但可以完全控制软件的 Dask 服务器（可以擦除它们并安装不同的东西）并且想要加速 pytorch-lightning 模型 tr ...
我有一个大型数据集，我想对某些值组进行一些计算。 这工作正常，但我留下了以下信息： 数组块 字节 17.81 kiB 480 B...