polars-1-use-lazy-evaluation-by-default
Über
Diese Fähigkeit empfiehlt standardmäßig die Verwendung von Polars' verzögerter Auswertung für große Datensätze, um Abfrageoptimierung zu ermöglichen. Sie zeigt, wie man `scan_parquet()` verwendet und Operationen vor `collect()` verkettet, anstatt mit `read_parquet()` direkt zu laden. Dieser Ansatz minimiert den Speicherverbrauch und erlaubt es Polars, den gesamten Abfrageplan vor der Ausführung zu optimieren.
Schnellinstallation
Claude Code
Empfohlennpx skills add vamseeachanta/workspace-hub -a claude-code/plugin add https://github.com/vamseeachanta/workspace-hubgit clone https://github.com/vamseeachanta/workspace-hub.git ~/.claude/skills/polars-1-use-lazy-evaluation-by-defaultKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
GitHub Repository
Verwandte Skills
autoviz
AndereAutoViz automatisiert die explorative Datenanalyse mit nur einer Codezeile und erzeugt umfassende Visualisierungen sowie erkennt Muster wie Korrelationen und Ausreißer. Es wählt automatisch Diagrammtypen aus, verarbeitet sowohl kategorische als auch numerische Merkmale und kann Berichte in HTML oder Jupyter Notebooks exportieren. Nutzen Sie diese Fähigkeit für schnelle, automatisierte EDA, um die Struktur Ihres Datensatzes und wichtige Erkenntnisse vor einer tieferen Analyse zu verstehen.
bsee-sodir-extraction
AndereDiese Fähigkeit extrahiert und verarbeitet Offshore-Energiedaten aus den behördlichen Datenbanken der BSEE (Golf von Mexiko) und SODIR (Norwegen). Nutzen Sie sie, um programmgesteuert auf Produktionskennzahlen, Bohrlochinformationen, Felddaten und HSE-Aufzeichnungen für Analysen zuzugreifen. Sie unterstützt Aufgaben wie Wirtschaftlichkeitsmodellierung, Compliance-Verfolgung und umfassende Energiedatenaggregation.
ydata-profiling-1-basic-profile-report-generation
AndereDiese Fähigkeit erstellt umfassende Datenqualitätsberichte aus pandas DataFrames unter Verwendung von ydata-profiling. Sie generiert interaktive HTML-Berichte mit statistischen Zusammenfassungen, Visualisierungen und Datenqualitätsbewertungen. Entwickler sollten sie für die erste explorative Datenanalyse verwenden, um schnell Datensatzstruktur, Verteilungen und potenzielle Probleme zu verstehen.
streamlit-3-layout-and-organization
AndereDiese Fähigkeit bietet Streamlit-Layout-Komponenten zur Organisation von Dashboard-Oberflächen. Sie behandelt die Erstellung von mehrspaltigen Layouts mit einstellbaren Verhältnissen und die Implementierung von Seitenleisten-Navigation mit interaktiven Widgets. Nutzen Sie sie, wenn Sie komplexe Streamlit-Anwendungen mit klarer visueller Struktur aufbauen müssen.