LSTM多分类任务Reshape函数偶发失效、DataFrame无reshape属性报错求解

Xres1.shape
# 输出：(291676, 15)

yres1.shape
# 输出：(291676,)

n_samples, n_feats = Xres1.shape[0], Xres1.shape[1]

Xres1 = Xres1.reshape((n_samples, n_feats, 1))

yres1 = to_categorical(yres1, 4)

model = Sequential()

model.add(LSTM(n_feats, input_shape=(n_feats, 1)))

model.add(Dense(20))
model.add(Dense(60))
model.add(Dense(80))
model.add(Dense(90))
model.add(Dense(4, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam')

model.fit(Xres1, yres1, epochs=300, batch_size=15, verbose=2)

AttributeError: DataFrame object has no attribute reshape

报错的核心是Xres1变量类型不稳定：

• 运行正常时，Xres1是Numpy数组，Numpy数组原生支持reshape方法
• 报错时，Xres1是Pandas的DataFrame对象，DataFrame本身没有内置reshape方法
  偶发的原因通常是上游数据处理逻辑的输出类型不统一，部分流程返回DataFrame，部分流程返回Numpy数组。

优先选择第一种方案，兼容性最高：

• 方案一：调用reshape前统一转换为Numpy数组
  将reshape相关代码修改为如下形式即可，Pandas 0.24及以上版本推荐用to_numpy()方法：

  # 替换原有的Xres1 = Xres1.reshape((n_samples, n_feats, 1))
  Xres1 = Xres1.to_numpy().reshape((n_samples, n_feats, 1))
  # 低版本Pandas可以用values属性替代
  # Xres1 = Xres1.values.reshape((n_samples, n_feats, 1))
  

  如果后续to_categorical也出现偶发报错，可以用同样方法处理yres1：

  yres1 = to_categorical(yres1.to_numpy(), 4)
  

• 方案二：上游数据输出时统一类型
  在生成Xres1的处理环节就直接转换为Numpy数组，后续所有处理逻辑都不再保留DataFrame结构，从根源避免类型混乱。
• 排查方案：如果需要定位上游哪个环节修改了变量类型，可以在reshape代码前加一行类型打印，出问题时快速定位：

  print(type(Xres1))
  

内容的提问来源于stack exchange，提问作者Emon