线性回归绘图：plt.plot报错原因及squeeze()作用解析

报错原因 #

• plt.scatter()对输入维度兼容性极高：它会自动将多维输入扁平化处理成一维序列，所以哪怕你传入的x/y是(n_samples, 1)这类二维列向量，也能正常绘制散点。
• plt.plot()对输入维度要求更严格：它默认期望输入是一维序列（或维度匹配的多维数组用于绘制多条线）。如果传入(n_samples, 1)的二维数组，它会误将其识别为n_samples组、每组1个数据点的集合，而非单条直线的点序列。这种维度误解会导致内部索引访问逻辑出错，最终触发InvalidIndexError。

squeeze()的核心作用 #

• squeeze()是numpy和pandas通用的方法，核心功能是移除数据中所有长度为1的冗余维度：
  • 若原数据是(100, 1)的二维列向量，调用后会转为(100,)的一维数组；
  • 若原数据是(1, 100)的二维行向量，调用后也会转为(100,)的一维数组；
  • 如果原数据本身没有长度为1的维度，squeeze()会直接返回原对象——这就是你看到调用后shape无变化的原因，说明你的数据可能存在一个容易被忽略的长度为1的维度（比如pandas的单列DataFrame，shape为(n,1)，调用squeeze()后转为Series，shape变为(n,)，若你没仔细对比两种对象的shape就会误以为无变化）。
• 在你的案例中，squeeze()把带冗余维度的输入转成了plt.plot()所需的一维序列，消除了维度不匹配问题，因此绘图恢复正常。

内容的提问来源于stack exchange，提问作者Melvin Lee