TSNE报错ValueError: setting an array element with a sequence的解决咨询

问题根源 #

你的numpy数组arr混合了字符串和嵌套子数组，而TSNE要求输入是纯数值型的二维数组（每行对应一个样本，每列对应一个特征）。这种混合结构会导致sklearn无法正确解析数据，从而抛出ValueError: setting an array element with a sequence错误。

从你给出的arr示例'00012_0' array([...]) 'Resnet' 'Lime' 'Real'可以看出，每行数据里既有单个字符串值，又有数组对象，完全不符合TSNE的输入规范。

解决步骤 #

1. 分离特征与元数据 #

回到原始DataFrameresult，先明确两类数据：

• 数值特征列：用来做TSNE降维的核心数据（即你示例中的嵌套数组内容）
• 元数据列：用来后续绘图区分样本的标签（如'Resnet'、'Lime'这类字符串）

2. 代码修改示例 #

步骤1：展开嵌套特征列（如果存在）

如果你的DataFrame里有一列是嵌套数组（比如列名是feature_array），先将其展开为独立的数值列：

import pandas as pd

# 把嵌套数组列展开为多列数值特征
feature_df = pd.DataFrame(result['feature_array'].tolist(), index=result.index)
# 合并原数据的元数据列和展开后的特征列
processed_df = pd.concat([result.drop('feature_array', axis=1), feature_df], axis=1)

步骤2：提取纯数值特征执行TSNE

只选择数值型特征传入TSNE，元数据列留作绘图使用：

from sklearn.manifold import TSNE

# 提取所有数值型特征列
X = processed_df.select_dtypes(include=['float64', 'int64']).values
# 执行TSNE降维
n_components = 2
tsne_result = TSNE(n_components).fit_transform(X)
# 将降维结果合并回原数据，方便后续绘图
processed_df['tsne_x'] = tsne_result[:, 0]
processed_df['tsne_y'] = tsne_result[:, 1]

步骤3：用seaborn绘图

利用元数据列（如model、method）对样本分组上色：

import seaborn as sns
import matplotlib.pyplot as plt

sns.scatterplot(data=processed_df, x='tsne_x', y='tsne_y', hue='model', style='method')
plt.show()

3. 关键注意事项 #

• TSNE输入必须是纯数值二维数组，禁止混入字符串、嵌套数组等非数值类型
• 元数据（标签、分类信息）不要传入TSNE，仅用于绘图阶段区分样本
• 如果原始DataFrame已经是分散的数值特征列，直接用select_dtypes提取即可，无需展开嵌套数组

内容的提问来源于stack exchange，提问作者ccragusa