调用函数返回值时遇ValueError：期望2D数组却得到1D数组

错误原因分析 #

错误提示明确说明：期望输入2D数组，实际传入的是1D的图片路径数组。这说明两个核心问题：

1. feature_list变量存储的是图片路径列表，而非模型需要的2D特征数组（每行对应一张图片的特征向量）；
2. 单张图片提取的features是1D向量，不符合kneighbors方法对输入样本维度的要求。

具体修复步骤 #

1. 修正feature_list为2D特征数组 #

如果你的feature_list目前是图片路径列表，需要先批量提取所有图片的特征，转换为2D numpy数组：

import numpy as np

# 假设image_paths是你的图片路径列表
feature_list = []
for img_path in image_paths:
    # 调用你的特征提取函数
    img_feature = feature_extraction(img_path, model)
    feature_list.append(img_feature)
# 转换为2D numpy数组
feature_list = np.array(feature_list)

2. 调整单张图片特征的维度 #

在recommend函数中，将单张图片的1D特征向量转换为2D数组（形状为(1, 特征数)），替换原有的[features]写法：

def recommend(features, feature_list):
    neighbors = NearestNeighbors(n_neighbors=6, algorithm="brute", metric="euclidean")
    neighbors.fit(feature_list)

    # 将1D特征reshape为2D数组，适配kneighbors要求
    indices = neighbors.kneighbors(features.reshape(1, -1))

    return indices

额外验证 #

确保feature_extraction函数返回的是1D numpy数组（单张图片的特征向量），而非其他格式。如果返回的是列表，也可以用np.array(features).reshape(1, -1)做转换。

内容的提问来源于stack exchange，提问作者kayam