scikit-learn fit报错：期望二维容器却得到pandas Series的解决咨询

错误信息 #

ValueError: Expected a 2-dimensional container but got <class 'pandas.core.series.Series'> instead.
Pass a DataFrame containing a single row (i.e. single sample) or a single column (i.e. single feature) instead.

报错出现在model.fit(X_train, y_train)行，核心原因是scikit-learn模型要求特征数据（X）必须是二维容器（如DataFrame、二维数组），而当前X_train是一维的pandas Series。不需要额外新建DataFrame，以下几种简便方式就能解决问题：

解决方法 #

1. 从源头获取二维数据 #

修改切片逻辑，直接得到二维的DataFrame，后续拆分后的X_train自然符合要求：
将原来的x = df.iloc[:,0]改成以下任意一种写法：

# 方式A：用列表索引指定列
x = df.iloc[:, [0]]
# 方式B：用切片范围选取列
x = df.iloc[:, 0:1]

注：y可以保持一维Series，LinearRegression对y的一维输入完全兼容。

2. 对已有的Series做转换 #

如果不想修改前面的切片代码，可在fit前直接转换X_train：

• 用pandas自带的to_frame()方法：

model.fit(X_train.to_frame(), y_train)

• 借助numpy的reshape转换为二维数组：

import numpy as np
model.fit(np.array(X_train).reshape(-1, 1), y_train)

• 直接调用Series的values.reshape：

model.fit(X_train.values.reshape(-1, 1), y_train)

修改后的完整代码示例 #

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics

df = pd.read_excel('Month.xlsx', usecols='W, AJ')

# 用列表索引获取二维特征数据
x = df.iloc[:, [0]]
y = df.iloc[:, 1]

x = x.replace(r'^\s*$', 0, regex=True)
y = y.replace(r'^\s*$', 0, regex=True)

X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=0)

model = LinearRegression()
model.fit(X_train, y_train)

y_pred = model.predict(X_test)

plt.scatter(X_test, y_test, color='gray')
plt.plot(X_test, y_pred, color='red', linewidth=2)
plt.xlabel('Luchtvochtigheid')
plt.ylabel('Regenval')
plt.show()

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