计算dask延迟对象的列表

Question

我已经研究了所有类似的问题和解决方案，但没有得到所需的结果。

我有一个dask延迟对象的列表。

for y in ys:
projection = Projection(data, X, y)
fi = projection.decode()
var.append(fi)

其中投影类和解码方法如下：

class Projection(object):
def __init__(self, data, X, y=0): 
# data is dataframe, X is indecies of independent variables and y is index of dependent variable
self.data = data
self.X = X
self.y = y
...
...
@dask.delayed
def decode(self) -> list:
regressor = RandomForestRegressor(n_estimators=50, max_features='sqrt', n_jobs=-1, max_depth=6, verbose=0)
regressor.fit(self.X, self.y)
fi = regressor.feature_importances_
return fi

Var为：

[Delayed('decode-82afe417-9d1e-48ff-95a3-02ddc90c6970'), 
Delayed('decode-0a872626-996a-4a19-8b45-b39acb44257f'), 
Delayed('decode-cfa53fd4-cf5b-47f1-a672-440dc5f5ca35'), 
Delayed('decode-29cf7f51-2e7a-4c9d-8ac0-bc2259d50b6f'), 
Delayed('decode-2edc8324-f9df-4402-a1ed-44a6a9067f1d'), 
Delayed('decode-05de7417-49a5-40b7-8098-f2aad50bd934'), 
Delayed('decode-80916f08-2d28-4811-9ab4-e526af978aac'), 
Delayed('decode-da4a8874-77b5-4d75-aede-c96b5e73e888'), 
Delayed('decode-1c1fe7f0-a32b-4a0a-9d13-bb45710a3738')

现在我想计算这个var，并想获得一个列表、数组或数据帧。为此，我尝试了各种选择：

选项1

dask.compute(*var)

选项2

v = dask.array.from_array(np.array(var), chunks=(100,))
dask.array.compute(*v)

选项3

v = dask.array.from_delayed(np.array(var))
dask.array.compute(*v)

选项4

v = dask.array.from_delayed(np.array(var))
v.compute()

但在所有情况下，要么我再次得到延迟对象的列表，要么超时。

选项-1给出以下错误：

numpy.core._exceptions.MemoryError: Unable to allocate 458. MiB for an array with shape (19971, 3005) and data type int64

提前谢谢。

Answer 1

选项1似乎是最合适的选项，选项3和4将产生延迟对象列表，因为在这些选项中v包含嵌套的延迟对象。

这将有助于了解有关设置(本地/分布式(、数据量、计算强度和dask仪表板上的活动的更多细节。