如何将DataFrame的mpg列切片为二维数组？解决维度报错

问题根源 #

你用data.iloc[:, 0].values提取的mpg列是一维数组（形状为(样本数,)），但sklearn的LinearRegression.fit()要求特征矩阵X必须是二维数组（形状为(样本数, 特征数)，单特征场景下为(样本数,1)）。另外你写错了train_test_split的返回值顺序，这也会引发后续错误。

三种修改方法将X转为二维数组 #

• 方法1：切片时保留二维结构
  把索引从0改成[0]，切片结果会是DataFrame而非Series，转成values后即为二维数组：

  X = data.iloc[:, [0]].values  # 注意方括号内是列表[0]
  

• 方法2：用reshape转换维度
  对一维数组调用reshape(-1,1)，-1让numpy自动计算样本数量，1指定列数：

  X = data.iloc[:, 0].values.reshape(-1, 1)
  

• 方法3：用numpy的newaxis增加维度
  先导入numpy，通过[:, np.newaxis]给数组新增一个维度：

  import numpy as np
  X = data.iloc[:, 0].values[:, np.newaxis]
  

修正train_test_split的返回顺序 #

原代码中train_test_split的返回值顺序错误，正确顺序应为X_train, X_test, y_train, y_test，修改后：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

完整修正后代码示例 #

# 数据处理
data = df1.drop(df1.columns[[1, 3]], axis=1)
# 提取mpg列作为二维特征矩阵X
X = data.iloc[:, [0]].values
y = data.iloc[:, :-1].values

# 拆分数据集（修正顺序）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 模型训练
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train)

内容的提问来源于stack exchange，提问作者Nmk_1024