Dask Python（開発者向けのしくみ）

インストール

Daskのインストールにはpipを使用できます：

pip install dask[complete]

pip install dask[complete]

基本的な使い方

ここでは、Daskがどのように計算を並列化するかを示す簡単な例を紹介します：

import dask.array as da

# Create a large Dask array
x = da.random.random((10, 10), chunks=(10, 10))
print('Generated Input')
print(x.compute())

# Perform a computation
result = x.mean().compute()
print('Generated Mean')
print(result)

import dask.array as da

# Create a large Dask array
x = da.random.random((10, 10), chunks=(10, 10))
print('Generated Input')
print(x.compute())

# Perform a computation
result = x.mean().compute()
print('Generated Mean')
print(result)

この例では、Daskが大きな配列を作成しそれを小さなチャンクに分割します。 compute() メソッドは並列計算をトリガーし、結果を返します。 タスクグラフは、Python Daskで並列計算を実現するために内部で使用されます。

出力

出力

ベストプラクティス

1.小さく始める:スケールアップする前に、Dask がどのように機能するかを理解するために、小さなデータセットから始めます。 2.ダッシュボードを使用する: Dask は、計算の進行状況とパフォーマンスを監視するためのダッシュボードを提供します。 3.チャンク サイズの最適化:メモリ使用量と計算速度のバランスをとるために適切なチャンク サイズを選択します。

前提条件

1. Visual Studio Codeがインストールされていることを確認してください。
2. Pythonバージョン3がインストールされています。

まず、スクリプトを追加するPythonファイルを作成してください。

Visual Studio Code を開いてファイルを作成し、daskDemo.py。

必要なライブラリをインストール:

pip install dask
pip install ironpdf

pip install dask
pip install ironpdf

その後、以下 for Pythonコードを追加して、IronPDFとDask Pythonパッケージの使用法を示します：

import dask
from ironpdf import *

# Apply your license key
License.LicenseKey = "key"

# Generate a synthetic timeseries DataFrame
df = dask.datasets.timeseries()
print('\nGenerated DataFrame')
print(df.head(10))

# Compute the mean hourly DataFrame
dfmean = df[["x", "y"]].resample("1h").mean().head(10)
print('\nComputed Mean Hourly DataFrame')
print(dfmean)

# Initialize the PDF renderer
renderer = ChromePdfRenderer()

# Create HTML content for the PDF
content = "<h1>Awesome Iron PDF with Dask</h1>"

# Add generated DataFrame to the content
content += "<h2>Generated DataFrame (First 10)</h2>"
rows = df.head(10)
for i in range(10):
    row = rows.iloc[i]
    content += f"<p>{str(row[0])}, {str(row[2])}, {str(row[3])}</p>"

# Add computed mean DataFrame to the content
content += "<h2>Computed Mean Hourly DataFrame (First 10)</h2>"
for i in range(10):
    row = dfmean.iloc[i]
    content += f"<p>{str(row[0])}</p>"

# Render the HTML content as PDF
pdf = renderer.RenderHtmlAsPdf(content)

# Save the PDF to a file
pdf.SaveAs("DemoIronPDF-Dask.pdf")

import dask
from ironpdf import *

# Apply your license key
License.LicenseKey = "key"

# Generate a synthetic timeseries DataFrame
df = dask.datasets.timeseries()
print('\nGenerated DataFrame')
print(df.head(10))

# Compute the mean hourly DataFrame
dfmean = df[["x", "y"]].resample("1h").mean().head(10)
print('\nComputed Mean Hourly DataFrame')
print(dfmean)

# Initialize the PDF renderer
renderer = ChromePdfRenderer()

# Create HTML content for the PDF
content = "<h1>Awesome Iron PDF with Dask</h1>"

# Add generated DataFrame to the content
content += "<h2>Generated DataFrame (First 10)</h2>"
rows = df.head(10)
for i in range(10):
    row = rows.iloc[i]
    content += f"<p>{str(row[0])}, {str(row[2])}, {str(row[3])}</p>"

# Add computed mean DataFrame to the content
content += "<h2>Computed Mean Hourly DataFrame (First 10)</h2>"
for i in range(10):
    row = dfmean.iloc[i]
    content += f"<p>{str(row[0])}</p>"

# Render the HTML content as PDF
pdf = renderer.RenderHtmlAsPdf(content)

# Save the PDF to a file
pdf.SaveAs("DemoIronPDF-Dask.pdf")

コードの説明

このコードスニペットは、データ処理のためにDaskを、PDF生成のためにIronPDFを統合します。 次を示します：

1. Dask統合: dask.datasets.timeseries() を使用して、合成タイムシリーズDataFrame (df) を生成します。 最初の10行を出力し (df.head(10))、列 "x" と "y" を基に時間単位のDataFrame (dfmean) の平均を計算します。
2. IronPDFの使用: License.LicenseKey を使用してIronPDFのライセンスキーを設定します。 生成および計算されたDataFrameからのヘッダーとデータを含むHTML文字列 (content) を作成し、このHTMLコンテンツをChromePdfRenderer() を使用してPDF (pdf) にレンダリングし、最終的に "DemoIronPDF-Dask.pdf" としてPDFを保存します。

このコードは、IronPDFのHTMLコンテンツをPDFドキュメントに変換する機能とDaskの大規模データ操作の能力を組み合わせています。

出力

PDF