dask
Масштабирует pandas, NumPy и пользовательские Python-рабочие процессы за пределы памяти или через кластеры с помощью Dask. Подходит для обработки разделённых файлов, научных вычислений с массивами и параллельных задач, требующих распределённых вычислений.
Что делает навык
Dask — это библиотека Python для параллельных и распределенных вычислений, позволяющая обрабатывать данные, превышающие объем доступной оперативной памяти, на одной машине или распределять вычисления по кластерам. Она обеспечивает ускорение вычислений за счет использования нескольких ядер и поддержку терабайтных наборов данных.
Когда применять
- Обработка файлов или массивов, размер которых превышает доступную RAM.
- Параллельные вычисления для ускорения работы с NumPy и pandas на многоядерных системах.
- Распределенные вычисления для научных задач с большими данными (terabyte-scale) на нескольких машинах.
- Запуск пользовательских Python-рабочих процессов с использованием распределенных ресурсов.
Как работает
- Установить пакет dask (версия dask/distributed 2026.8.0 или новее).
- Использовать выражение-based DataFrame API с планированием запросов (query planning), так как это единственная реализация начиная с версии 2025.1.0.
- Не устанавливать dask-expr отдельно и не устанавливать dataframe.query-planning: False.
- Создать вычислительный граф задач, разбив данные на партиции.
- Запустить выполнение через клиент Dask (LocalCluster или распределенный кластер).
- Собрать результаты или сохранить их в хранилище.
Примеры запросов агенту
Что понадобится
- Python-окружение с установленным пакетом dask (dask/distributed 2026.8.0+)
- Доступ к локальным ресурсам (RAM, CPU) или настроенному распределенному кластеру
Описание составлено по SKILL.md навыка, сверено 08.10.2026.
Как подключить
SKILL.md к навыкам ассистентаНавык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.