【问题标题】：Python - y should be a 1d array, got an array of shape insteadPython - y 应该是一个一维数组，而不是一个形状数组
【发布时间】：2020-12-06 12:09:51
【问题描述】：

让我们考虑数据：

import numpy as np
from sklearn.linear_model import LogisticRegression

x=np.linspace(0,2*np.pi,80)
x = x.reshape(-1,1)
y = np.sin(x)+np.random.normal(0,0.4,80)  
y[y<1/2] = 0  
y[y>1/2] = 1
clf=LogisticRegression(solver="saga", max_iter = 1000)

我想拟合逻辑回归，其中 y 是因变量，x 是自变量。但是当我使用时：

clf.fit(x,y)

我看到错误

'y  should be a 1d array, got an array of shape (80, 80) instead'.

我试图通过使用来重塑数据

y=y.reshape(-1,1)

但我最终得到了长度为 6400 的数组！（怎么会？）

您能帮我执行此回归吗？

【问题讨论】：

80 乘以 80 是 6400

标签： python numpy scikit-learn

【解决方案1】：

改变你的操作顺序：

首先将 x 和 y 生成为 1-D 数组：

x = np.linspace(0, 2*np.pi, 8)
y = np.sin(x) + np.random.normal(0, 0.4, 8)

然后（在生成y之后）重塑x：

x = x.reshape(-1, 1)

根据 2022 年 2 月 20 日的评论进行编辑

原代码中问题的根源在于；

x = np.linspace(0,2*np.pi,80) - 生成一维数组。
x = x.reshape(-1,1) - 将其重塑为 2-D 数组，其中包含一列和尽可能多的行。
y = np.sin(x) + np.random.normal(0,0.4,80) - 对列数组进行操作并且一维数组（此处视为单行数组）。
效果是y是一个2-D数组（80 * 80）。
然后尝试重塑 y 会得到一个包含 6400 行的单列数组。

正确的解决方案是 x 和 y 最初应该是 1-D （单行）数组，我的代码就是这样做的。然后两个数组都可以重新整形。

【讨论】：

如果@Valdi_Bo 可以解释其背后的逻辑。目前尚不清楚（a）操作顺序如何解决此问题，以及（b）当误差约为 y 时，重塑 x 如何消除误差。在这种情况下提供的解决方案，但在我的情况下没有。因此，提供一些进一步的解释将是有帮助的。谢谢

【解决方案2】：

我遇到了这个错误并通过 reshape 解决了它，但它不起作用

ValueError: y should be a 1d array, got an array of shape () instead.

实际上，这是由于 np.argmax 周围 [] 括号的位置错误造成的，下面是错误的代码和正确的代码，请注意两个 sn-ps 中 np.argmax 周围 [] 的位置

错误的代码

ax[i,j].set_title("Predicted Watch : "+str(le.inverse_transform([pred_digits[prop_class[count]]])) +"\n"+"Actual Watch : "+str(le.inverse_transform(np.argmax([y_test[prop_class[count]]])).reshape(-1,1)))

正确的代码

ax[i,j].set_title("Predicted Watch :"+str(le.inverse_transform([pred_digits[prop_class[count]]]))+"\n"+"Actual Watch : "+str(le.inverse_transform([np.argmax(y_test[prop_class[count]])])))

【讨论】：