Python脚本错误：“Expected 2D array, got 1D array instead:”？

Question

我正在遵循这个教程来进行机器学习预测：

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，但却遇到了“预期是二维数组，而实际传入的是一维数组”错误。我认为这个脚本是为旧版本编写的，但我不知道该如何将其转换为3.6版本。

已经尝试了：

X.reshape(1, -1)

- JonTargaryen

---

哪一行代码出现了错误？ - stackoverflowuser2010

X = X.reshape(1, -1) 的翻译： X = X.reshape(1, -1)。reshape 操作不是原地修改。 - Mad Physicist

@stackoverflowuser2010：我猜测最后一行是 clf.predict(<a-1d-thing>)，因为 X 已经是二维的了（虽然 reshape 是无用的）。 - Mark Dickinson

@JonTargaryen：您使用的是scikit-learn的哪个版本？这应该不会变成一个错误，直到0.19版本，而这个版本还没有发布。 - Mark Dickinson

@JonTargaryen 重塑（reshape）的位置对了，但你丢弃了结果。请把结果赋回给 X。 - Mad Physicist

Answer 1

你只需要使用相同的2D数组，但提供一个（或多个）想要处理的值来调用predict方法。简而言之，您只需替换即可。

[0.58,0.76]

使用

[[0.58,0.76]]

并且它应该能够工作。

编辑：这个答案变得很受欢迎，所以我想多加一点关于ML的解释。简而言之：我们只能在与训练数据（X）具有相同维度的数据上使用predict。

在所讨论的示例中，我们向计算机提供了X中的一堆行（每行有2个值），并向其展示了y中的正确响应。当我们想要使用新值进行predict时，我们的程序期望相同 - 一堆行。即使我们只想对一行进行操作（有两个值），那么该行也必须是另一个数组的一部分。

- Ofer Sadan

---

但是为什么会有效呢？我不明白问题出在哪里。 - Charlie Parker

你如何在更大的数据框上（动态地）实现这个？ - Sip

为什么必须使用2D数组？背后的原因是什么？ - problemofficer - n.f. Monica

Answer 2

问题出现在你对数组[0.58, 0.76]进行预测时。在调用predict()之前，请通过重新整形来修复它：

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

- stackoverflowuser2010

---

从pandas 0.19.0版本开始，你需要在.reshape(1, -1)之前添加.values ，如下所示：test = test.values.reshape(1, -1) - yeliabsalohcin

我的预测误差出现在LightGDM模型中，我知道如何进行重塑，但是LightGBM创建了自己的lbg.Dataset，不确定如何设置重塑或使LightGDM的预测工作，我的问题已发布在：https://dev59.com/m1_6s4gBPY-HTNNj4PmX - manager_matt

Answer 3

我使用以下方法。

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

reg.predict([[2136]])

- Vikas Rathour

Answer 4

我遇到了同样的问题，除了我想预测的实例的数据类型是一个panda.Series对象。

好的，我只需要预测一个输入实例。我从我的数据切片中选了它。

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，然后使用reshape函数进行重塑。

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

从文档中可以看出，values可以将Series转换为numpy数组。

- devsaw

Answer 5

我遇到了同样的问题。你只需要将它变成一个数组，而且你还需要加上双方括号，使其成为二维数组的单个元素，因为第一个方括号初始化了数组，第二个方括号使其成为该数组的元素。

所以，简单地用以下语句替换最后一个语句即可:

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

- Satyam Mittal

---

你正在创建一个数组，所以你想要np.array[[0.58,0.76])，而不是方括号。 - jonincanada

Answer 6

只需在两个方括号之间插入参数：

regressor.predict([[values]])

那对我有效

- Camunatas

Answer 7

我之前也遇到过同样的问题，但是我已经找到了解决方法， 你可以尝试使用reg.predict([[3300]])。 这个API以前可以接受标量值，但现在需要提供一个二维数组。

- FASIH AHMED

Answer 8

有一个功能会将我的数据框列表转换为系列。我不得不将其转换回数据框列表，然后它就可以工作了。

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

- samuelru

Answer 9

你可以这样做：

np.array(x)[:, None]

- Miguel Tomás

Answer 10

只需用两个方括号将您的numpy对象括起来，或者反之亦然。

例如：

如果最初您的x = [8,9,12,7,5]

将其更改为x = [[8,9,12,7,5]]。

这应该可以解决维度问题。

- Babatunde Mustapha