Python代码报错ValueError: Data must be 1-dimensional，求问题排查

我编写了一段Python代码，想要获取测试集的ID及其对应的预测概率，期望输出为ID与对应概率的表格形式，但运行代码时出现「ValueError: Data must be 1-dimensional」错误，代码如下：

import numpy as np
import pandas as pd
from sklearn.metrics import classification_report
from sklearn.metrics import confusion_matrix
from sklearn.metrics import roc_curve, auc,roc_auc_score
from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split


train_df=pd.read_csv('ML_EX4_train.csv')
test_df=pd.read_csv('ML_EX4_test.csv')
feature_names=['title_word_count','document_entropy','freshness','easiness','fraction_stopword_presence','normalization_rate',
                'speaker_speed','silent_period_rate']
test_df.index=test['id']
train_df.index=train['id']
X=train_df[feature_names]
y=train_df['engagement']
X_test=test_df[feature_names]
rf_clf=RandomForestClassifier(random_state=0,max_depth= 20, min_samples_leaf= 1, n_estimators= 300).fit(X_train,y_train)
y_test_proba=rf_clf.predict_proba(X_test)
ans=pd.Series(y_test_proba,index=test_df['id'])

print(ans)

期望输出示例：

错误原因及修正方案 #

1. 核心错误：predict_proba返回二维数组，不符合Series要求

RandomForestClassifier.predict_proba()在二分类任务中会返回n行2列的二维数组，每一行对应样本的[类别0概率, 类别1概率]。而pd.Series要求传入一维数据，直接传入二维数组就会触发Data must be 1-dimensional错误。

解决方案：提取你需要的类别概率（比如类别1的概率），转为一维数组后再创建Series：

# 提取类别1的概率（根据你的任务需求选择对应列）
y_test_proba = rf_clf.predict_proba(X_test)[:, 1]

2. 变量未定义错误

代码中使用了X_train和y_train但未定义，且导入train_test_split后未使用。如果不需要拆分训练集，直接用全量训练数据拟合模型：

# 替换原有的fit行，用X和y直接拟合
rf_clf = RandomForestClassifier(random_state=0, max_depth=20, min_samples_leaf=1, n_estimators=300).fit(X, y)

如果需要拆分训练集，补充拆分代码：

X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=0)
rf_clf = RandomForestClassifier(random_state=0, max_depth=20, min_samples_leaf=1, n_estimators=300).fit(X_train, y_train)

3. 索引赋值错误

代码中test_df.index=test['id']和train_df.index=train['id']里的test、train变量未定义，应该替换为已读取的DataFrame：

test_df.index = test_df['id']
train_df.index = train_df['id']

修正后的完整代码 #

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


train_df = pd.read_csv('ML_EX4_train.csv')
test_df = pd.read_csv('ML_EX4_test.csv')
feature_names = [
    'title_word_count', 'document_entropy', 'freshness', 'easiness',
    'fraction_stopword_presence', 'normalization_rate', 'speaker_speed', 'silent_period_rate'
]

# 修正索引赋值
test_df.index = test_df['id']
train_df.index = train_df['id']

X = train_df[feature_names]
y = train_df['engagement']
X_test = test_df[feature_names]

# 修正模型拟合的变量（这里用全量训练数据，如需拆分可补充train_test_split）
rf_clf = RandomForestClassifier(random_state=0, max_depth=20, min_samples_leaf=1, n_estimators=300).fit(X, y)

# 提取类别1的概率（转为一维数组）
y_test_proba = rf_clf.predict_proba(X_test)[:, 1]

# 创建Series或DataFrame输出
ans = pd.Series(y_test_proba, index=test_df['id'], name='预测概率')
# 如果想要表格形式，也可以转为DataFrame
# ans = pd.DataFrame({'id': test_df['id'], '预测概率': y_test_proba}).set_index('id')

print(ans)

运行后会输出符合期望的ID与对应概率的结构，转为DataFrame后可以直接得到表格形式的结果。

内容的提问来源于stack exchange，提问作者user21294168