Dask
分布式
Dask ML
示例
生态系统
社区
切换导航侧边栏
入门
安装 Dask
10 分钟了解 Dask
部署 Dask 集群
Python API
云
高性能计算机
Kubernetes
命令行
SSH
附加信息
自适应部署
Docker 镜像
Python API (高级)
管理环境
Prometheus
自定义初始化
部署注意事项
最佳实践
常见问题
如何使用
数组
最佳实践
分块
创建 Dask 数组
重叠计算
内部设计
稀疏数组
统计信息
切片
赋值
堆叠、拼接和分块
广义 Ufuncs
随机数生成
API
与 numpy 函数的兼容性
Bag
创建 Dask Bags
API
DataFrame
加载和保存数据
内部设计
优化器
最佳实践
API
附加信息
Parquet
索引
SQL
Join 性能
Shuffling 性能
分类数据
扩展
Hive 分区
延迟
使用集合
最佳实践
Futures
机器学习
内部结构
理解性能
调度
任务图
规范
自定义图
优化
高级图操作
自定义集合
高级图
调试和性能
调试
可视化任务图
仪表板
诊断信息 (本地)
诊断信息 (分布式)
计算阶段
Dask 内部结构
用户界面
理解性能
计算阶段
顺序
机会性缓存
共享内存
深入了解调度
使用表达式系统进行查询规划
参考
API 参考
数组
DataFrame
Bag
延迟
Futures
命令行界面
开发指南
更新日志
配置
操作指南…
连接远程数据
调试
扩展
sizeof
选择集合后端
使用 GPU
演讲与教程
维护者指南
切换导航
.rst
.pdf
附加信息
附加信息
¶
Parquet
索引
SQL
Join 性能
Shuffling 性能
聚合
分类数据
扩展
Hive 分区
上一页
dask.dataframe.to_timedelta
下一页
Dask Dataframe 和 Parquet