线性回归训练报错：要求2D数组却传入1D？求原因及解决方法

先看你提供的代码：

my_train_list = {"area": [1000,2000,3000,4000,5000], "price":[1000000,2000000,3000000,4000000,5000000]}

my_df = pd.DataFrame(my_train_list)

my_x = my_df['area']
my_y = my_df.price

my_lin_pre = linear_model.LinearRegression()
my_lin_pre.fit([my_x], my_y)

报错原因 #

scikit-learn的LinearRegression.fit()方法对输入的特征数据X有严格要求：必须是2D数组结构（形状为(样本数量, 特征数量)）。哪怕只有1个特征，也得保持这种2D格式。

你这里的my_x是Pandas Series，属于1D结构（形状为(5,)），就算用[my_x]包装，得到的是包含Series的列表，本质还是不符合方法要求的输入格式，所以会触发“需要传入2D数组”的报错。

解决方法 #

以下是几种靠谱的解决方式：

• 方法1：用双括号取列，直接得到2D DataFrame
  取列时用双括号[['area']]，返回的是单列DataFrame（天然是2D结构），直接满足fit方法要求：

  my_x = my_df[['area']]
  my_lin_pre.fit(my_x, my_y)
  

• 方法2：把Series转成2D数组
  用Pandas的to_frame()方法把Series转为单列DataFrame，或者用values.reshape(-1,1)转成numpy的2D数组：

  # 方式A：转成DataFrame
  my_x = my_df['area'].to_frame()
  # 方式B：转成numpy 2D数组
  my_x = my_df['area'].values.reshape(-1, 1)
  

• 方法3：用numpy手动转换形状
  先把Series转成numpy数组，再用reshape调整为2D：

  import numpy as np
  my_x = np.array(my_df['area']).reshape(-1, 1)
  

内容的提问来源于stack exchange，提问作者Aadil Rafiq