由于函数read_metadata与旧版本不兼容，为什么<a href="https://github.com/dask/dask/commit/7138f470f0e55f2ebdb7638ddc4dfe2e78
我想加载5.9 GB CSV，并且我不使用pandas库。我有4个GPU。我使用<a href="https://rapids.ai" rel="nofollow noreferrer">rap
我的目标是探索具有10,000至10M +记录的表格数据的GPU加速。我对熊猫最熟悉，因此cuDF似乎是一个不错的
我有一个大文件，想使用cudf.read_csv（）加载。有问题的文件太大，无法放入单个gpu的内存中，但仍然足
我正在尝试使用加速（GPU支持）计算进行距离计算，但是在熊猫和Cudf之间的细微差别上遇到了很多麻烦
我正在寻找2个大型csv文件之间的匹配项。
我使用此函数来计算2个字符串之间的相似度。如果给定的比
应该可以使用cupy / cudf进行填充吗？这个想法是执行schimitt触发函数，例如：
<pre><code># pandas version
df =
我正在尝试对数据块使用cudf。
我开始关注<a href="https://medium.com/rapids-ai/rapids-can-now-be-accessed-on-databr
我有一个大数据集（大约8000万行），并且正在使用dask_cudf DataFrame的cuml训练KNearestNeighbors回归模型。
<
我正在尝试 RAPIDS cudf 和 cuspatial，想知道交叉连接两个导致 270 亿行的数据帧的更好方法是什么？
我有一项任务涉及在数据帧上运行许多查询。我比较了在 Xeon CPU (Pandas) 和 RTX 2080 (CUDF) 上运行这些查询
我在终端中使用以下几行来安装 Rapids，然后 dask cudf：
<pre><code>conda create -n rapids-core-0.14 -c rapidsai -c nv
我正在使用以下代码将 csv 文件加载到 dask cudf 中，然后为 xgboost 创建一个 devicequantilematrix，这会产生错
我正在尝试读取一个巨大的 csv 文件 CUDF，但遇到内存问题。
<pre><code>import cudf
cudf.set_allocator("manage
我正在将 Pandas 更改为 cudf 以加快聚合速度并降低处理速度。我想出了一个可以在 GPU 上使用 Pandas 的库
我通过混合正负对来制作成对的图像。这个过程的计算量很大，需要大量的 RAM 和处理器。为了加快速度
我正在实施 CUDF 以加快我的 Python 进程。首先，我导入 CUDF 并删除多处理代码，并使用 CUDF 初始化变量。
我想使用 RapidsAI 0.17，但根据其文档 (<a href="https://rapids.ai/start.html" rel="nofollow noreferrer">Rapids AI</a>)，它仅
我在 Rapidsai docker 容器内结合使用 Rapids UMAP 和 HDBSCAN：<code>rapidsai/rapidsai-core:0.18-cuda11.0-runtime-ubuntu18.04-py3
我有一个 DF，我想使用 Groupby + Shift。我可以在 Pandas 中做到这一点，但我不能在 cuDF 中做到这一点，因
