Escale fluxos de trabalho de dados em Python com Dask
Grandes conjuntos de dados em Python frequentemente excedem a memória ou executam lentamente demais em um único processo. Esta skill ajuda Claude, Codex e Claude Code a projetar fluxos de trabalho com Dask.
Copie esta solicitação para o seu Agente. Ela inclui a página canônica do Skill e o manifesto.
Review the Skillstore skill "dask" from https://skillstore.io/skills/davila7-dask.md and its manifest at https://skillstore.io/api/skills/davila7-dask/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Seu Agente ainda deve apresentar o plano e solicitar qualquer confirmação exigida pela política de segurança.
Use estes links quando um agente de IA, crawler ou script precisar de contexto limpo em vez de ler a página completa.
Usando "dask". Um conjunto de 200 GB de arquivos CSV precisa ser agrupado por cliente em uma máquina com 32 GB.
Resultado esperado:
Use Dask DataFrame. Carregue os arquivos diretamente, dimensione as partitions perto dos limites de memória, agregue de forma preguiçosa e execute compute uma vez no resultado final.
Usando "dask". Uma pasta de logs JSON precisa de filtragem, limpeza e conversão para análises tabulares.
Resultado esperado:
Comece com Dask Bag para limpeza em streaming, filtre registros válidos e depois converta para um DataFrame para análise agrupada.
Usando "dask". Uma carga de trabalho distribuída está lenta e cria milhões de pequenas tarefas.
Resultado esperado:
Aumente os tamanhos de chunks, combine operações granulares, aplique persist a resultados reutilizados e inspecione o dashboard para identificar overhead do scheduler.
All 68 static findings are false positives caused by ordinary documentation, fixed local file examples, and Markdown backticks or code fences. No command execution, reconnaissance, prompt injection, or malicious intent appears in the reviewed skill files.
Compartilhe o relatório de avaliação versionado, o badge neutro, o cartão incorporável e as citações. A Skillstore apresenta evidências sem decidir se este Skill é seguro.
https://skillstore.io/skills/davila7-dask/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-dask?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-dask?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-dask/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-dask.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). dask security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-dask/audits/9@techreport{davila7-davila7-dask-2026,
author = {davila7},
title = {dask security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-dask/audits/9},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "dask security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-dask/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-dask:audit:9"
description: "Skillstore immutable audit report identifier"
Cada autor permanece como um skill instalável separado. A variante recomendada é classificada pelas evidências do Skillstore.
Por que esta variante está em primeiro
davila7-dask
2026-09-09
k-dense-ai-dask
2026-09-09
Mova análises com pandas de um protótipo em laptop para um fluxo de trabalho com Dask DataFrame maior que a memória.
Planeje pipelines com Bag ou DataFrame para ingestão de JSON, texto e múltiplos arquivos.
Selecione schedulers, tamanhos de chunks e etapas de monitoramento para cargas de trabalho distribuídas.
Tenho [data type], [size] e [operation]. Recomende a melhor coleção Dask e explique por quê.
Revise meu fluxo de trabalho pandas e descreva como escalá-lo com Dask DataFrames, partitions e compute points.
Encontre gargalos neste fluxo de trabalho Dask: [describe workflow]. Recomende tamanhos de chunks, pontos de persist e configurações de scheduler.
Projete uma arquitetura Dask distribuída para [workload], incluindo carregamento, dependências de tarefas, monitoramento e tratamento de falhas.
Autor
davila7Licença
MIT
Revisão da Skillstore
r2
Aviso de versão
O autor não declarou uma versão.
Repositório
https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/daskReferência
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
Atualidade da manutenção
26/07/2026
Uso
4 downloads · 558 visualizações
Criar Pôsteres de Pesquisa em LaTeX
Pôsteres de pesquisa são difíceis de formatar e revisar para impressão em LaTeX. Esta skill fornece modelos, orientações de layout e verificações de PDF para pôsteres prontos para conferências.
Crie Conteúdo de Marketing Pronto para SEO
Equipes de marketing precisam de conteúdo claro que corresponda à voz da marca e aos objetivos de busca. Esta skill fornece modelos, scripts de análise e orientações de plataforma para uma produção de conteúdo repetível.
Crie Planos Estruturados de Tratamento Médico
Os planos de tratamento clínico muitas vezes se tornam inconsistentes, extensos ou difíceis de revisar. Esta skill fornece modelos objetivos, metas mensuráveis, cronogramas e verificações locais de qualidade.
Criar relatórios clínicos estruturados
Equipes clínicas precisam de relatórios claros que sigam normas médicas e regulatórias. Esta skill fornece modelos, checklists e orientações de validação para relatos de caso, diagnósticos, ensaios e notas de pacientes.
Analisar Arquivos de Dados Científicos
Arquivos de dados científicos são difíceis de inspecionar porque cada formato armazena estruturas e metadados de maneira diferente. Esta habilidade detecta formatos, traça o perfil da qualidade dos dados e cria relatórios práticos de EDA em markdown.
Execute fluxos de trabalho de docking molecular com o DiffDock
A configuração do docking molecular costuma falhar porque é difícil alinhar as entradas, os parâmetros e os escores de confiança. Esta skill orienta os fluxos de trabalho do DiffDock desde a preparação até a análise dos resultados.
Crie Pipelines de Dados de Produção
por alirezarezvani
Equipes de dados de produção precisam de padrões confiáveis para pipelines, verificações de qualidade e orquestração. Esta skill orienta arquitetura, scaffolding e práticas de DataOps para stacks de dados modernas.
Calcule expressões matemáticas rapidamente
por Decalogue
Verificações aritméticas manuais tornam os agentes mais lentos quando os usuários precisam de respostas numéricas rápidas. Esta skill avalia expressões matemáticas básicas e retorna resultados concisos.
Otimizar Consultas DataFusion
por EmilLindfors
Consultas DataFusion lentas podem desperdiçar computação e ocultar problemas simples no plano. Esta skill analisa padrões de SQL e DataFrame, depois sugere melhorias concretas de desempenho.
Otimizar o Desempenho de Parquet em Rust
por EmilLindfors
Pipelines Parquet podem desperdiçar armazenamento e memória quando configurações padrão são usadas. Esta skill revisa leituras e escritas Parquet em Rust e depois sugere melhorias de compressão, dimensionamento, projeção e filtragem.
Otimizar Jobs do Apache Spark
por wshobson
Jobs lentos do Spark desperdiçam orçamento de cluster e atrasam o trabalho de analytics. Esta skill oferece padrões práticos de ajuste para partições, joins, memória, caching e comportamento de shuffle.
Analisar Imagens com Azure AI Vision Python
por sickn33
Fluxos de trabalho de análise de imagens precisam de legendas, OCR, detecção e recorte sem recriar exemplos do SDK. Esta skill orienta Claude, Codex e Claude Code no uso do Azure AI Vision Image Analysis para Python.