Python脚本中的错误“预期的二维数组，而不是一维数组：”？答案

【问题标题】：Error in Python script "Expected 2D array, got 1D array instead:"?Python脚本中的错误“预期的二维数组，而不是一维数组：”？
【发布时间】：2018-01-15 04:17:29
【问题描述】：

我正在关注this tutorial 进行此机器学习预测：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style

style.use("ggplot")
from sklearn import svm

x = [1, 5, 1.5, 8, 1, 9]
y = [2, 8, 1.8, 8, 0.6, 11]

plt.scatter(x,y)
plt.show()

X = np.array([[1,2],
             [5,8],
             [1.5,1.8],
             [8,8],
             [1,0.6],
             [9,11]])

y = [0,1,0,1,0,1]
X.reshape(1, -1)

clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X,y)

print(clf.predict([0.58,0.76]))

我正在使用 Python 3.6，但出现错误“预期的 2D 数组，得到 1D 数组：” 我认为该脚本是针对旧版本的，但我不知道如何将其转换为 3.6 版本。

已经尝试过：

X.reshape(1, -1)

【问题讨论】：

哪一行产生了错误？
X = X.reshape(1, -1)。重塑未到位。
@stackoverflowuser2010：我猜最后一行clf.predict(<a-1d-thing>)，因为X 已经是二维的（尽管reshape 没用）。
@MarkDickinson 是的，最后一行是。
@JonTargaryen 重塑在正确的位置，但您正在丢弃结果。将结果分配回X。

标签： python python-3.x machine-learning predict

【解决方案1】：

你可以这样做：

np.array(x)[:, 无]

【讨论】：

【解决方案2】：

只需用两个方括号将您的 numpy 对象括起来，反之亦然。

例如：

如果最初是您的x = [8,9,12,7,5]

将其更改为x = [ [8,9,12,7,5] ]。

这应该可以解决尺寸问题

【讨论】：

【解决方案3】：

只需在双方括号之间插入参数：

regressor.predict([[values]])

对我有用

【讨论】：

【解决方案4】：

您应该只为predict 方法提供相同的二维数组，但需要处理一个（或多个）值。简而言之，你可以替换

[0.58,0.76]

有

[[0.58,0.76]]

它应该可以工作。

编辑：这个答案变得很流行，所以我想我会添加更多关于 ML 的解释。简短的版本：我们只能在与训练数据（X）具有相同维度的数据上使用predict。

在有问题的示例中，我们在X 中为计算机提供了一堆行（每行有2 个值），并在y 中显示正确的响应。当我们想predict 使用新值时，我们的程序期望相同 - bunch 行。即使我们只想对一行（具有两个值）执行此操作，该行也必须是另一个数组的一部分。

【讨论】：

但是为什么会这样呢？我不明白问题是什么。
如何为更大的数据帧实现这一点？（动态）
为什么必须是二维数组？这背后的原因是什么？

【解决方案5】：

我之前也遇到过同样的问题，但我找到了解决方案，你可以试试reg.predict([[3300]])。

以前允许标量值的 API，但现在您需要提供 2D 数组。

【讨论】：

【解决方案6】：

我使用下面的方法。

reg = linear_model.LinearRegression()
reg.fit(df[['year']],df.income)

reg.predict([[2136]])

【讨论】：

【解决方案7】：

通过一个功能，我的 Dataframe 列表可以转换为 Series。我必须将其转换回 Dataframe 列表，并且它起作用了。

if type(X) is Series:
    X = X.to_frame()

【讨论】：

【解决方案8】：

我遇到了同样的问题。您只需将其设为数组，此外，您必须放置双方括号以使其成为二维数组的单个元素，因为第一个括号初始化数组，第二个使其成为该数组的元素。

所以只需将最后一条语句替换为：

print(clf.predict(np.array[[0.58,0.76]]))

【讨论】：

【解决方案9】：

除了我想预测的实例的数据类型是panda.Series 对象之外，我遇到了同样的问题。

好吧，我只需要预测一个输入实例。我是从我的数据片段中提取的。

df = pd.DataFrame(list(BiogasPlant.objects.all()))
test = df.iloc[-1:]       # sliced it here

在这种情况下，您需要将其转换为一维数组，然后reshape 它。

 test2d = test.values.reshape(1,-1)

从docs，values 将 Series 转换为 numpy 数组。

【讨论】：

【解决方案10】：

Int64 类型的自变量和因变量的 X 和 Y 矩阵分别转换为 DataFrame 以便从一维数组转换为二维数组.. 即 X=pd.DataFrame(X) 和 Y=pd.dataFrame(Y) 其中 pd 是 python 中的 pandas 类。因此特征缩放反过来不会导致任何错误！

【讨论】：

【解决方案11】：

当您对数组 [0.58,0.76] 运行预测时，就会出现问题。在调用 predict() 之前通过重塑它来解决问题：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style

style.use("ggplot")
from sklearn import svm

x = [1, 5, 1.5, 8, 1, 9]
y = [2, 8, 1.8, 8, 0.6, 11]

plt.scatter(x,y)
plt.show()

X = np.array([[1,2],
             [5,8],
             [1.5,1.8],
             [8,8],
             [1,0.6],
             [9,11]])

y = [0,1,0,1,0,1]

clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X,y)

test = np.array([0.58, 0.76])
print test       # Produces: [ 0.58  0.76]
print test.shape # Produces: (2,) meaning 2 rows, 1 col

test = test.reshape(1, -1)
print test       # Produces: [[ 0.58  0.76]]
print test.shape # Produces (1, 2) meaning 1 row, 2 cols

print(clf.predict(test)) # Produces [0], as expected

【讨论】：