Pandas的iloc为何返回不同维度向量？致梯度下降算法运行异常

算力阿峰

2026-7-15

问题原因及解决办法

两种写法的核心差异是返回的数据结构维度不同：
- data2.iloc[:,-1]：用单索引选取最后一列，返回的是一维Series对象，转为numpy数组后是(47,)的一维数组，若被误处理成行向量就会显示(1,47)。
- data2.iloc[:, cols2-1:cols2]：用切片语法选取单列（即使是单个列的切片），返回的是二维DataFrame对象，转为numpy数组后是(47,1)的二维列向量。
梯度下降算法依赖严格的矩阵维度匹配，通常要求标签y是(m,1)的列向量（m为样本数）。如果y是一维数组或行向量，在计算误差、参数更新等矩阵运算时会出现维度不兼容，导致算法无法正常运行。
快速解决方法：
- 若想用第一种写法获取列向量，可追加维度转换：y2 = data2.iloc[:,-1].to_numpy().reshape(-1,1)
- 直接使用切片写法确保返回二维结构，避免维度问题。