用于处理超出内存大小的pandas/NumPy工作流的分布式计算。当您需要将现有的pandas/NumPy代码扩展到超出内存范围或跨集群运行时使用。最适合并行文件处理、分布式机器学习以及与现有pandas代码的集成。若需在单机上进行外存分析，请使用vaex；若需内存内高速运算，请使用polars。

涵盖遥感、GIS、空间分析、地球观测机器学习及30多个科学领域的综合地理空间科学技能。支持卫星影像处理（哨兵、陆地卫星、MODIS、SAR、高光谱）、矢量与栅格数据操作、空间统计、点云处理、网络分析、云原生工作流（STAC、COG、Planetary Computer），并支持8种编程语言（Python、R、Julia、JavaScript、C++、Java、Go、Rust），提供500多个代码示例。适用于遥感工作流、GIS分析、空间机器学习、地球观测数据处理、地形分析、水文建模、海洋空间分析、大气科学及任何地理空间计算任务。

用于矩阵运算、数据分析、可视化和科学计算的MATLAB和GNU Octave数值计算。在编写涉及线性代数、信号处理、图像处理、微分方程、优化、统计或科学可视化的MATLAB/Octave脚本时使用。当用户需要帮助理解MATLAB语法、函数，或希望在MATLAB和Python代码之间进行转换时，也可使用。脚本可在MATLAB或开源的GNU Octave解释器中运行。

在云端使用无服务器容器、GPU 和自动扩缩容运行 Python 代码。适用于部署机器学习模型、运行批处理任务、调度计算密集型任务，或提供需 GPU 加速或动态扩缩容的 API。

功能全面的计算病理学工具包，适用于高级WSI分析，包括多重免疫荧光（CODEX、Vectra）、细胞核分割、组织图构建以及病理数据的机器学习模型训练。支持160多种切片格式。如需从H&E切片中简单提取图像块，histolab可能更便捷。

深度学习框架（PyTorch Lightning）。将PyTorch代码组织为LightningModules，配置训练器以支持多GPU/TPU，实现数据管道、回调函数、日志记录（W&B、TensorBoard）以及分布式训练（DDP、FSDP、DeepSpeed），以实现可扩展的神经网络训练。

在Python中进行符号数学运算时使用此功能。此功能适用于符号计算任务，包括代数求解方程、进行微积分运算（求导、积分、极限）、代数表达式化简、符号矩阵运算、物理计算、数论问题、几何计算，以及从数学表达式生成可执行代码。当用户需要精确的符号结果而非数值近似，或处理包含变量和参数的数学公式时，应使用此功能。