Обучить и протестировать набор данных

Вот набор данных, который я использую:

from sklearn.model_selection import train_test_split
from sklearn.datasets import load_boston
import warnings
    
with warnings.catch_warnings():
warnings.filterwarnings("ignore")
data = load_boston()
X = data.data
y = data.target

Сначала я преобразовал целевые данные в набор данных классификации в соответствии с подсказкой:

Шаг 1: Разделите диапазон целевых значений на три равные части — низкую, среднюю и высокую.

y = list(y)
for i in range(len(y)):
    index = y.index(min(y))
    if i < len(y)/3:
        y[index] = 100
    elif i > len(y)/3 and i < 2*(len(y)/3):
        y[index] = 200
    else:
        y[index] = 300

Шаг 2: Переназначьте целевые значения трем категориальным значениям 0, 1 и 2, представляющим нижний, средний и высокий диапазоны значений соответственно.

def numerial(y):
    if y == 100:
        return 0
    elif y == 200:
        return 1
    else:
        return 2

y = map(numerial, y)

Шаг 3: Разделите набор данных на 70% обучающий набор и 30% тестовый набор.

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random_state = 99)

Итак, когда я запускаю шаг 3, я постоянно получаю сообщение об ошибке:

TypeError: Singleton array array(<map object at 0x7fac066a57c0>, dtype=object) cannot be considered a valid collection.

Интересно, какой из шагов я сделал неправильно, чтобы продолжать получать сообщение об ошибке. Есть идеи?