IPython.parallel ValueError:无法从内存缓冲区创建OBJECT数组

Question

我想写一个函数在几个python引擎中执行。该函数接受pandas Series作为参数。该系列的每个元素都是一个字符串，整个系列构成了TF的语料库。IDF计算。

在阅读了IPython并行文档和一些教程之后，这似乎很容易做到，我想到了以下内容:

import pandas as pd
from IPython.parallel import Client

def calculemus(corpus):
    from sklearn.feature_extraction.text import TfidfVectorizer
    vectorizer = TfidfVectorizer(min_df=1, stop_words='english')
    return vectorizer.fit_transform(corpus)

review = pd.read_csv('review.csv')['text']
review = review.fillna('')
client = Client()
r = client[-1].apply(calculemus, review).get()

但是我得到了这个错误:

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)/xxx/site-packages/IPython/zmq/serialize.pyc in unpack_apply_message(bufs, g, copy)
    154                     sa.data = m.bytes
    155 
--> 156     args = uncanSequence(map(unserialize, sargs), g)
    157     kwargs = {}
    158     for k in sorted(skwargs.iterkeys()):
/xxx/site-packages/IPython/utils/newserialized.pyc in unserialize(serialized)
    175 
    176 def unserialize(serialized):
--> 177     return UnSerializeIt(serialized).getObject()
/xxx/site-packages/IPython/utils/newserialized.pyc in getObject(self)
    159                 buf = self.serialized.getData()
    160                 if isinstance(buf, (bytes, buffer, memoryview)):
--> 161                     result = numpy.frombuffer(buf, dtype = self.serialized.metadata['dtype'])
    162                 else:
    163                     raise TypeError("Expected bytes or buffer/memoryview, but got %r"%type(buf))
ValueError: cannot create an OBJECT array from memory buffer

我不知道是什么问题，有人能指点我一下吗?

<标题> 更新

很明显，这个错误说的就是它说的。如果我这样做:

r = client[-1].apply(calculemus, np.array(review, dtype=str)).get()

有点用。

那么下一个问题是，这是ippython的特性还是限制?

Answer 1

这是ippython 0.13中的一个错误，应该在master中修复。序列化numpy数组有一种特殊情况，可以避免复制数据，这种行为是由isinstance(numpy.ndarray)检查触发的。这是不合适的，因为isinstance捕获子类，其中包括pandas对象，但是这些pandas对象(以及一般的数组子类)不应该以相同的方式处理，因为元数据将丢失，并且另一端的重构通常会失败。

PS:

r = client[-1].apply(calculemus, np.array(review, dtype=str)).get()

等价于

r = client[-1].apply_sync(calculemus, np.array(review, dtype=str))