线性回归训练报错：Expected 2D array, got 1D array instead问题排查

看起来你在拆分数据集和训练线性回归模型时踩了几个典型的坑，我来一步步帮你理清问题并解决：

问题根源分析 #

你的代码里有三个核心问题导致了这个报错：

1. 没有区分特征（X）和目标变量（Y）：你直接把整个DataFrame同时赋值给X_train和Y_train，线性回归要求X是用于预测的2D特征矩阵，Y是要预测的1D目标向量，而不是把整个数据集既当特征又当目标。
2. 未处理非数值型特征：你的数据集包含object类型的列（比如Country），线性回归模型只能接受数值型输入，这些文本列会导致模型无法解析。
3. 初始的X = [] y = []完全没用到：这行代码是空列表定义，后续操作根本没使用，等于白写了。

分步解决方案 #

1. 先明确特征与目标变量 #

首先你得从22列里确定哪一列是你要预测的目标（比如假设是GDP，替换成你实际的目标列名），剩下的作为特征：

import pandas as pd
from sklearn import linear_model

# 假设你的目标列是'Target'，替换成你真实的列名
target_column = "Target"

# 拆分特征矩阵X和目标向量y
X = df.drop(columns=[target_column])  # 所有特征列（去掉目标列）
y = df[target_column]  # 单独的目标列

2. 处理非数值型特征 #

因为你的数据有object类型的列（比如Country），需要把这些分类变量转换成数值形式，最常用的是独热编码：

# 自动检测所有object类型的列并做独热编码，drop_first避免多重共线性
X = pd.get_dummies(X, columns=X.select_dtypes(include=["object"]).columns, drop_first=True)

3. 正确拆分训练集和测试集 #

现在X是纯数值的2D矩阵，y是1D向量，再做拆分就没问题了：

n_train = int(len(df) * 0.7)
X_train = X[:n_train]
y_train = y[:n_train]
X_test = X[n_train:]
y_test = y[n_train:]

# 打印样本数
print('The number of samples in the training set:')
print(len(y_train))
print('The number of samples in the test set:')
print(len(y_test))

4. 训练线性回归模型 #

现在输入符合模型要求了，可以正常训练：

lr = linear_model.LinearRegression()
lr.fit(X_train, y_train)

更简便的方式：用sklearn的train_test_split #

手动切片容易出错，推荐用sklearn内置的拆分工具，还能设置随机种子保证可复现：

from sklearn.model_selection import train_test_split

# 按7:3拆分，random_state固定随机数种子
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.7, random_state=42)

为什么之前会报那个错？ #

你之前的代码把整个DataFrame传给Y_train，这是一个2D的DataFrame，而线性回归的fit方法要求y是1D的Series或数组；同时未处理的非数值列会导致X_train不是纯数值矩阵，双重问题叠加就触发了那个ValueError。

内容的提问来源于stack exchange，提问作者Uda_ Mad