Indian Pines数据集分类：类别均衡采样报错及解决方法

问题背景 #

使用维度为145×145×200的Indian Pines（IP）数据集开展深度学习分类任务，尝试通过groupby方法从每个类别中选取等量训练样本时，出现ValueError: Index data must be 1-dimensional及Must pass 2-d input. shape=(145, 145, 200)错误。

错误原因 #

1. 维度不匹配：原代码中X是3维数组（图像高度×宽度×波段数），直接转成DataFrame时无法正确映射为表格结构；y是2维标签矩阵，作为DataFrame索引时要求必须是1维数组，因此触发索引维度错误。
2. 特征与标签对应错误：未将图像的每个像素点（对应一个样本）与标签一一对应，导致DataFrame构建逻辑混乱。

解决方案代码 #

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

sample_size = 3

# 1. 展平特征和标签：将3维特征转为2维，2维标签转为1维
X_flatten = X.reshape(-1, X.shape[-1])  # 形状变为 (145*145, 200)
y_flatten = y.flatten()  # 形状变为 (145*145,)

# 2. 构建DataFrame：特征列对应各波段，标签列单独命名为'y'
df = pd.DataFrame(X_flatten)
df['y'] = y_flatten

# 3. 按类别分组并采样指定数量样本
balanced_samples = df.groupby('y').apply(lambda x: x.sample(n=sample_size, random_state=42)).reset_index(drop=True)

# 4. 提取均衡后的特征和标签
X_balanced = balanced_samples.drop('y', axis=1).values  # 形状：(类别数×sample_size, 200)
y_balanced = balanced_samples['y'].values

# 若后续需适配CNN的3维输入，可恢复维度（示例）
# X_balanced = X_balanced.reshape(-1, 1, 1, 200)

关键步骤说明 #

• 展平操作：将二维图像的每个像素点作为独立样本，使特征和标签都转为1维/2维结构，符合DataFrame的表格存储要求。
• DataFrame构建：先将展平后的特征数组转为多列DataFrame（每列对应一个光谱波段），再添加标签列，避免索引维度错误。
• 分组采样：通过groupby('y')按标签分组，sample()方法实现每组等量采样，random_state参数保证采样结果可复现。

内容的提问来源于stack exchange，提问作者Kumi Rani Research Scholar Dep