📦

zarr-python

Name: zarr-python
Author: davila7

安全 ⚙️ 外部コマンド🌐 ネットワークアクセス

Trabajar con arrays N-D fragmentados usando Zarr

こちらからも入手できます: K-Dense-AI

El manejo de grandes conjuntos de datos científicos requiere patrones de almacenamiento y acceso eficientes. Zarr proporciona arrays fragmentados y comprimidos con soporte de almacenamiento en la nube e integración perfecta con NumPy, Dask y Xarray para flujos de trabajo de computación científica escalable.

対応: Claude Codex Code(CC)

⚠️ 68 貧弱

スキルZIPをダウンロード

Claudeでアップロード

設定 → 機能 → スキル → スキルをアップロードへ移動

オンにして利用開始

テストする

「zarr-python」を使用しています。 Create a Zarr array for storing time series temperature data with efficient append operations

期待される結果:

Created array with shape (0, 720, 1440) - starts empty for appending
Chunks configured as (1, 720, 1440) - one time step per chunk
Use z.append(new_data, axis=0) to add new time steps
Each chunk ~2MB for float32 data
Access specific time with z[0:10, :, :] for first 10 timesteps

「zarr-python」を使用しています。 Set up a Zarr array in S3 with optimal chunking for cloud access

期待される結果:

Connected to S3 bucket my-bucket using s3fs
Created array with chunks (500, 500) for ~1MB chunk size
Enabled consolidated metadata for faster cloud reads
Use zarr.open_consolidated() for faster metadata operations
Consider 5-100MB chunks for production cloud workloads

「zarr-python」を使用しています。 Convert an HDF5 file to Zarr format and process with Dask

期待される結果:

Read HDF5 dataset using h5py
Created Zarr array with chunks (1000, 1000)
Loaded as Dask array for parallel processing
Computed mean along axis 0 in parallel
Wrote result to new Zarr array

セキュリティ監査

安全

v5 • 1/17/2026

Documentation-only skill containing markdown files. No executable code, scripts, or system access. Static findings are false positives triggered by markdown syntax and compression codec names being misidentified as security issues.

スキャンされたファイル

1,479

解析された行数

検出結果

総監査数

リスク要因

⚙️ 外部コマンド (187)

🌐 ネットワークアクセス (8)

skill-report.json:6 SKILL.md:765 SKILL.md:766 SKILL.md:767 SKILL.md:768 SKILL.md:771 SKILL.md:772 SKILL.md:773

監査者: claude 監査履歴を表示 →

品質スコア

アーキテクチャ

100

保守性

コンテンツ

コミュニティ

100

セキュリティ

仕様準拠

作れるもの

Análisis de datos climáticos

Almacenar y analizar grandes imágenes satelitales y salidas de modelos climáticos con patrones de acceso fragmentados eficientes.

Gestión de grandes conjuntos de datos

Manejar conjuntos de datos de entrenamiento demasiado grandes para la memoria procesando en fragmentos con E/S paralela.

Flujos de trabajo genómicos

Almacenar y acceder a grandes conjuntos de datos genómicos con compresión e integración de almacenamiento en la nube.

これらのプロンプトを試す

Crear array básico

Create a Zarr array with shape (10000, 10000), chunks (1000, 1000), and float32 dtype. Store it at data/my_array.zarr and write random data to it.

Configuración de almacenamiento en la nube

Set up a Zarr array stored in S3 bucket my-bucket/path/to/data.zarr using s3fs. Create the array with appropriate chunking for cloud access.

Optimización del rendimiento

Analyze my access pattern (reading entire rows frequently) and suggest optimal chunk shape for a (10000, 10000) float32 array. Create the array with those chunks.

Integración con Dask

Load a Zarr array as a Dask array and compute the mean along axis 0 in parallel. Write the result back to a new Zarr array.

ベストプラクティス

Elija tamaños de fragmento de 1-10 MB y alinee la forma del fragmento con sus patrones de acceso
Consolide los metadatos para el almacenamiento en la nube para reducir la latencia de N operaciones a 1
Use Dask para procesar arrays más grandes que la memoria y para computación paralela

回避

Evite cargar arrays grandes completos en memoria con z[:] - use iteración fragmentada en su lugar
No use fragmentos pequeños (menos de 1 MB) ya que crean una sobrecarga excesiva de metadatos
Evite escribir en los mismos fragmentos desde múltiples procesos sin la sincronización adecuada

よくある質問

¿Qué versiones de Python están soportadas?

Zarr-python requiere Python 3.11 o superior. Verifique su versión con python --version.

¿Cuál es el tamaño máximo del array?

Zarr puede almacenar arrays de cualquier tamaño limitado solo por su almacenamiento. Para propósitos prácticos, diseñe tamaños de fragmento que quepan en memoria.

¿Cómo migro de HDF5 a Zarr?

Use h5py para leer archivos HDF5 y zarr.array() para escribir en formato Zarr. Ambos soportan estructuras de grupo jerárquicas similares.

¿Están mis datos seguros si se corta la energía durante las escrituras?

Las escrituras de Zarr son atómicas por fragmento. Use sincronizadores para escrituras multiproceso. Considere consolidate_metadata() después de actualizaciones por lotes.

¿Por qué mi array es lento de leer?

Verifique el tamaño del fragmento y la alineación de la forma con su patrón de acceso. Fragmentos pequeños o formas desalineadas causan operaciones de E/S excesivas.

¿Cómo se compara Zarr con los archivos .npy de NumPy?

Los archivos NumPy almacenan arrays completos de una vez. Zarr fragmenta los datos permitiendo lecturas parciales, compresión y computación fuera de núcleo con Dask.

開発者の詳細

作成者

davila7

ライセンス

MIT

リポジトリ

https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/zarr-python

参照

main

ファイル構成

📁 references/

📄 api_reference.md

📄 SKILL.md