将 dask.compute 与延迟项数组一起使用
Using dask.compute with an array of delayed items
目前，我可以创建（嵌套）对象列表，这些对象是急切计算的项目和延迟项目的混合体。
如果我将该列表传递给 dask.compute，它可以创建图形并将结果计算为一个新列表，用计算的对应项替换延迟项。
该列表具有我想要利用的非常明确的结构。因此，在使用 Dask 之前，我一直在使用带有 dtype=object.
的 numpy 数组
我可以将这些 numpy 数组传递给 dask.compute 吗？
是否有其他支持 ND 切片 à la numpy 的集合可供我使用？
我目前的解决方法是使用字典或嵌套列表，但对 numpy 数组进行切片的功能非常好，我不想放弃它。
谢谢，
马克
Dask.compute 目前只搜索核心 Python 数据结构，如列表和字典。它不会搜索 Numpy 数组。
您可能会考虑使用 Numpy 数组直到最后，然后调用 .tolist() 然后再次调用 np.array。
结果 = dask.compute(*x.tolist())
结果 = np.array(结果)
目前，我可以创建（嵌套）对象列表，这些对象是急切计算的项目和延迟项目的混合体。
如果我将该列表传递给 dask.compute，它可以创建图形并将结果计算为一个新列表，用计算的对应项替换延迟项。
该列表具有我想要利用的非常明确的结构。因此，在使用 Dask 之前，我一直在使用带有 dtype=object.
我可以将这些 numpy 数组传递给 dask.compute 吗？
是否有其他支持 ND 切片 à la numpy 的集合可供我使用？
我目前的解决方法是使用字典或嵌套列表，但对 numpy 数组进行切片的功能非常好，我不想放弃它。
谢谢，
马克
Dask.compute 目前只搜索核心 Python 数据结构，如列表和字典。它不会搜索 Numpy 数组。
您可能会考虑使用 Numpy 数组直到最后，然后调用 .tolist() 然后再次调用 np.array。
结果 = dask.compute(*x.tolist()) 结果 = np.array(结果)