＆＃34; daskify＆＃34;是否可行？根据一般numpy操作编写的逐点函数？
案例+部分解决方案：
例如，请参见此处：https://github.com/SciTools/iris/pull/2964
关键是我们要从另一个库中应用通用数组操作，但它只能在实际的numpy数组上运行。
而我们希望它在此操作中对现有的dask数组进行操作，并产生一个惰性结果，以便有效地计算子数组。
这就是为什么它使用da.from_array ...
替代品：
您可以改为使用延迟，但如果这样做，则必须每次都评估整个参数，即使结果是子索引的。
或者你可以使用frompyfunc
http://dask.pydata.org/en/latest/array-api.html#dask.array.frompyfunc
但是它使用标量函数，而不是数组函数
这是低效的，特别是当它返回一个对象数组而不是数字时。
剩余问题：
在上面的部分解决方案中，缺失的部分是能够通过＆＃34;透视＆＃34;不透明的点计算包装器，因此它的dask参数对整个图形是可见的
？也许在Dask中有一种方法可以公开当前隐藏在dask_array构造中的from_array(ArraylikeWrapper(dask_array))参数？
答案 0 :(得分：1)
您是否尝试过da.map_blocks？
x = x.map_blocks(func)
如果你能够创建那些，那么Dask还支持使用__array_ufunc__协议的NumPy ufuncs（尽管map_blocks可能更容易）。