基于BERT的NLP任务代码报错：train_test_split训练集为空求助

核心原因 #

报错明确指出n_samples=0，说明调用train_test_split时传入的输入数据（特征或标签）是空集合，没有任何样本数据，导致无法完成数据集划分。

排查与修复步骤 #

1. 检查数据集加载是否正常 #

先确认你的样例数据是否成功加载到变量里，比如打印数据长度：

print(len(你的数据集变量))  # 正常应该输出至少1，而非0

如果输出0，说明数据加载逻辑有问题：

• 若用文件加载，检查Colab中文件是否已上传，路径是否正确（比如/content/你的文件名.csv）
• 检查读取代码的参数，比如pd.read_csv的分隔符、编码是否匹配数据格式

2. 确认传入train_test_split的参数有效 #

确保传入的特征集X和标签集y都非空，且长度一致：

# 假设数据存在df中，text是特征列，label是标签列
X = df['text'].tolist()
y = df['label'].tolist()

print(len(X), len(y))  # 两者都要大于0，且数值相等

如果其中一个为空，或长度不匹配，都会触发错误。

3. 单条样例数据的特殊处理 #

你提到只有单条样例数据，首先要确保这条数据已被正确加载。如果确实只有1条数据：

• 优先补充更多样本（单条数据无法支撑NLP模型训练，没有实际意义）
• 若仅做测试，可手动划分：比如直接用这条数据做训练集，跳过拆分；或者复制几条作为测试集
• 也可以修改test_size为具体数值，比如test_size=0（但无测试集无法验证模型效果）

4. 修正后的代码示例 #

假设你的单条样例数据如下：

sample_data = {"text": "这是一条测试文本", "label": 1}

正确加载并处理的代码：

import pandas as pd
from sklearn.model_selection import train_test_split

# 加载单条数据
data = pd.DataFrame([sample_data])
X = data['text']
y = data['label']

# 因样本量极少，直接使用全部数据作为训练集
X_train, y_train = X, y

# 若一定要拆分，设置test_size=0（仅用于测试代码流程）
# X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0, random_state=42)

额外注意点 #

• 在Colab中，可通过!ls /content命令查看当前目录下的文件，确认数据文件是否存在
• 若从Google Drive加载数据，要确保授权成功，路径格式正确（比如/content/drive/MyDrive/你的文件路径.csv）

内容的提问来源于stack exchange，提问作者user6570555