sklearnのpreprocessing.scaleでPythonのマップ関数を使用するにはどうすればよいですか？

Question

データのリストに対して関数（preprocessing.scale）を使用しようとしています。私はPythonでmapreduce/parallelismを初めて使用しています。パフォーマンスを向上させるために、これを多数のデータリストで処理したいと思います。

例：私はこのエラーを取得する

list(map(preprocessing.scale, X)) 

：

X = [1,2,3,4] 

構文を使用して

TypeError: Singleton array array(1.0) cannot be considered a valid collection. 

私はそれがために、関数の戻り値の型であると思いますが、私はこれを解決する方法がわかりません。どんな助けでも大歓迎です！

Answer 1

フードの下でfor loopのようにマップ機能を使用する必要はありません。

ほとんどすべてのsklearn方法はベクトル化であり、彼らは、リスト似たオブジェクト（などのリスト、numpyの配列を、）受け入れ、これはmap(...)アプローチ

デモに比べてはるかに - はるかに高速に動作します：

In [121]: from sklearn.preprocessing import scale 

In [122]: X = [1,2,3,4] 

In [123]: scale(X) 
Out[123]: array([-1.34164079, -0.4472136 , 0.4472136 , 1.34164079]) 

同じデモnumpyの配列使用：

In [39]: x = np.array(X) 

In [40]: x 
Out[40]: array([1, 2, 3, 4]) 

In [41]: scale(x) 
DataConversionWarning: Data with input dtype int32 was converted to float64 by the scale function. 
    warnings.warn(msg, _DataConversionWarning) 
Out[41]: array([-1.34164079, -0.4472136 , 0.4472136 , 1.34164079]) 

を、それがフロートDTYPEを期待し、私たちは簡単にFLに私たちのnumpyの配列を変換することができますその場でオート麦DTYPE：

In [42]: scale(x.astype('float64')) 
Out[42]: array([-1.34164079, -0.4472136 , 0.4472136 , 1.34164079]) 

Answer 2

list(map(preprocessing.scale, X))を実行するには、[preprocessing.scale(a) for a in X]を実行するのと同じです。

これを考えると、現在行っていることは、シングルトン（1つの観測）をスケーリングすることです。 1つのアイテムをスケールすることはできません。それは関数が分割される場所です。 preprocessing.scale(X[0])を実行しようとすると、同じエラーが発生します。

あなたはそれを実行して、単に配列X preprocessing.scale(X)を渡すのではなく、目的の目的は何ですか？