数值错误：x和y必须是相同的大小。

Question

import numpy as np
import pandas as pd
import matplotlib.pyplot as pt

data1 = pd.read_csv('stage1_labels.csv')

X = data1.iloc[:, :-1].values
y = data1.iloc[:, 1].values

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
label_X = LabelEncoder()
X[:,0] = label_X.fit_transform(X[:,0])
encoder = OneHotEncoder(categorical_features = [0])
X = encoder.fit_transform(X).toarray()

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train,y_test = train_test_split(X, y, test_size = 0.4, random_state = 0)

#fitting Simple Regression to training set

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train)

#predecting the test set results
y_pred = regressor.predict(X_test)

#Visualization of the training set results
pt.scatter(X_train, y_train, color = 'red')
pt.plot(X_train, regressor.predict(X_train), color = 'green')
pt.title('salary vs yearExp (Training set)')
pt.xlabel('years of experience')
pt.ylabel('salary')
pt.show()

我需要帮助理解执行上述代码时的错误。以下是错误信息：

"raise ValueError("x and y must be the same size")"

我有一个包含1398行和2列的.csv文件。如上所示，我将40％的数据作为y_test集。

- user3521180

Answer 1

打印X_train的形状。你看到了什么？我敢打赌X_train是2D的（一个只有单列的矩阵），而y_train是1D的（向量）。这导致不同的尺寸。

我认为使用X_train[:,0]进行绘图（错误来源）应该可以解决这个问题。

- Lukasz Tracewski

Answer 2

[:, :-1] 切片将给你一个二维数组（包括所有行和除最后一列外的所有列）。

[:, 1] 切片将给你一个一维数组（包括从第二列开始的所有行）。为了使这个数组也成为二维数组，使用[:, 1:2]、[:, 1].reshape(-1, 1) 或者 [:, 1][:, None] 替代 [:, 1]。这将使得 x 和 y 的比较更加容易。

---

将这两个数组都变成一维数组的另一种方法是，选择第一列时使用 [:, 0]（而不是 [:, :1]），选择第二列时使用 [:, 1]。

- yogabonito

Answer 3

尝试这个：

x_train=np.arange(0,len(x_train),1)

它将创建一个等间距的 数组，使你的 错误 永久消失。

- Ritik Kesharwani