XGBClassifier训练报错y应为1d数组得到shape(3210,0)如何解决?

报错明确提示输入的标签y是空的二维数组，问题出在你对train数据集的特征和标签切分逻辑错误：

1. 你使用Y = train.iloc[:,9:]切分标签，9:表示取索引为9及之后的所有列，如果你的train数据集（不含你设置的索引列）总列数≤9，就会切出0列的空数据，对应报错的shape (3210, 0)
2. 即便你的train有第9列，带冒号的切片返回的是二维DataFrame结构，也不符合XGBoost分类器要求y为一维数组的规则。

• 第一步：先确认数据集列结构，在读取train之后加一行代码打印信息：

print("train数据集列数(不含索引列):", len(train.columns), "\n列名列表:", train.columns.tolist())

运行后核对你的标签列对应的索引位置（从0开始计数），比如标签是第10列对应索引9，标签是第9列对应索引8。

• 第二步：修正标签切分代码，去掉切片后的冒号，直接取对应列的一维Series：
  比如标签列索引为9，就把原来的Y = train.iloc[:,9:]修改为：

Y = train.iloc[:,9]

如果你知道标签列的列名，更稳妥的写法是直接指定列名，比如标签列叫label就写：

Y = train['label']

• 第三步：切分完标签后增加校验逻辑，确认y的结构符合要求：

print("Y的形状:", Y.shape) # 正常应该输出 (总样本数,) ，如果是(总样本数, 0)说明列索引还是错的
print("Y前5行值:\n", Y.head()) # 确认输出的是你要的分类标签值，不是空值

# 读取数据部分不变
train = pd.read_csv("train.csv", index_col=0)
test = pd.read_csv("test.csv", index_col=0)
submission = pd.read_csv("sample_submission.csv")

# 新增校验代码
print(len(train.columns), train.columns.tolist())

# 修正特征标签切分，这里的索引请根据你上一步打印的结果调整
X = train.iloc[:,:9]
# 去掉切片后的冒号，取一维标签
Y = train.iloc[:,9]

# 可选打印校验
print(Y.shape, Y.head())

# 后续切分数据集、训练代码不变
seed = 5
test_size = 0.33
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=test_size, random_state=seed)

model = xgb.XGBClassifier()
model.fit(X_train, y_train)

内容的提问来源于stack exchange，提问作者LEEJONG