使用train_test_split时出现n_samples=0错误，训练集为空

代码片段 #

print("shape of waves array",np.array(all_wave).shape)
print("shape of labels array",np.array(all_label).shape)

# 检查随机样本
time = np.linspace(0, len(samples - 1) / fs, len(samples - 1))
# 假设time的长度应与all_wave的第一维度一致
time = np.arange(np.array(all_wave).shape[0])
plt.plot(time,np.array(all_wave)[311:,])
plt.show()

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
y=le.fit_transform(all_label)
classes= list(le.classes_)

!pip install scikit-learn
from keras.utils import to_categorical
import tensorflow as tf
from keras.src.utils.np_utils import to_categorical
from tensorflow.python.keras.utils import np_utils
from tensorflow.keras.utils import to_categorical
y = tf.keras.utils.to_categorical(y, num_classes=len(labels))

all_wave = np.array(all_wave).reshape(-1,22050,1)

from sklearn.model_selection import train_test_split
x_train, x_valid, y_train, y_valid = train_test_split(np.array(all_wave),np.array(y), stratify=y,test_size = 0.5,random_state=777,shuffle=True)

触发的错误 #

1 from sklearn.model_selection import train_test_split
----> 2 x_train, x_valid, y_train, y_valid = train_test_split(np.array(all_wave),np.array(y), stratify=y,test_size = 0.5,random_state=777,shuffle=True)

1 frames
/usr/local/lib/python3.10/dist-packages/sklearn/model_selection/_split.py in _validate_shuffle_split(n_samples, test_size, train_size, default_test_size)
   2234 
   2235     if n_train == 0:
-> 2236         raise ValueError(
   2237             "With n_samples={}, test_size={} and train_size={}, the "
   2238             "resulting train set will be empty. Adjust any of the "

ValueError: With n_samples=0, test_size=0.5 and train_size=None, the resulting train set will be empty. Adjust any of the aforementioned parameters.

排查与解决步骤 #

1. 核心原因 #

错误提示n_samples=0说明传入train_test_split的特征数组all_wave是空的，样本数量为0，导致无法划分训练集和验证集。

2. 具体排查点 #

• 验证初始数据加载状态：执行代码开头的打印语句，确认all_wave和all_label的形状：

  print("shape of waves array",np.array(all_wave).shape)
  print("shape of labels array",np.array(all_label).shape)
  

  若输出的shape第一个维度为0，说明数据未正确加载，需检查数据读取逻辑（比如文件路径、读取函数参数是否正确）。
• 检查数组操作是否导致数据丢失：代码中对all_wave的切片仅用于绘图，未修改原数组；reshape操作若原数组为空，结果仍为空，不会触发额外报错，因此核心问题还是初始数据为空。
• 确认特征与标签样本数匹配：即使all_label非空，若all_wave为空，仍会触发该错误，需确保两者样本数一致且均大于0。

3. 修复步骤 #

1. 修复数据加载逻辑，确保all_wave和all_label都加载到有效数据，样本数大于0。
2. 添加断言验证样本数一致性：

   assert len(all_wave) == len(all_label), "特征与标签样本数不匹配"
   

3. 重新执行train_test_split操作，此时即可正常划分数据集。

额外优化建议 #

• 清理冗余的to_categorical导入，仅保留一行：from tensorflow.keras.utils import to_categorical
• 修复绘图代码中的语法错误：len(samples - 1)改为len(samples)-1，避免数组广播错误。

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