使用sklearn train_test_split触发ValueError：期望2D数组却得到1D数组

核心问题分析 #

你的代码里有三个关键错误导致了这个ValueError：

• train_test_split返回值顺序完全错误：正确的返回顺序是x_train, x_test, y_train, y_test，你写反后，x_train实际拿到的是标签集y的训练部分（一维Series），直接导致后续标准化时输入了一维数据。
• StandardScaler.fit()参数错误：你传入了x_train.shape（一个元组），而不是特征数据本身，完全不符合fit方法的要求。
• 多余的reshape操作：正确的特征集x_train是二维结构（DataFrame），不需要执行reshape(-1,1)，这个操作反而会破坏数据结构。

修正后的完整代码 #

import pandas as pd
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import MinMaxScaler
import seaborn as sb
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split

df = sb.load_dataset('titanic')

df2 = df[['survived','pclass','age','parch']]

df3 = df2.fillna(df2.mean())
x = df3.drop('survived', axis=1)
y = df3['survived'] 
# 修正train_test_split的返回顺序
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=51)
print('x_train shape:', x_train.shape)  # 正常输出为(712, 3)，是二维结构

sc = StandardScaler()
# 用特征数据x_train训练scaler，而非shape参数
sc.fit(x_train)

# 直接对二维的x_train和x_test执行标准化
x_train_sc = sc.transform(x_train)
x_test_sc = sc.transform(x_test)
print(x_train_sc)

额外简化技巧 #

可以用fit_transform一步完成scaler的训练和数据转换，简化代码：

sc = StandardScaler()
x_train_sc = sc.fit_transform(x_train)
x_test_sc = sc.transform(x_test)

内容的提问来源于stack exchange，提问作者Dev King