MNIST数据集随机采样绘图触发ValueError错误，求兼容修复方案

• scikit-learn 0.24及更高版本中，fetch_openml接口默认返回 pandas 格式的数据集：特征集X为DataFrame类型，标签y为Series类型，并非旧版本默认的numpy数组。你代码中的索引逻辑是针对numpy数组编写的，不符合pandas的索引规则，因此触发报错。
• np.argwhere(y == str(i))[0]返回的是shape为(1,)的嵌套数组，直接用于索引pandas DataFrame时，会触发数据长度和索引长度不匹配的校验报错。

最简单的兼容方案是直接将数据集转为numpy数组后再执行后续逻辑，只需修改2行代码即可，原有逻辑无需调整：

import sklearn
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import fetch_openml

mnist = fetch_openml('mnist_784')
y = mnist.target.values  # 转为numpy数组
X = mnist.data.astype('float64').values  # 转为numpy数组

fig, ax = plt.subplots(2, 5)
ax = ax.flatten()
for i in range(10):
    im_idx = np.argwhere(y == str(i))[0]
    print(im_idx)
    plottable_image = np.reshape(X[im_idx], (28, 28))
    ax[i].imshow(plottable_image, cmap='gray_r')
plt.show()

如果需要保留pandas格式操作，可以调整索引逻辑如下：

for i in range(10):
    # 直接取第一个匹配标签的索引
    im_idx = y[y == str(i)].index[0]
    plottable_image = np.reshape(X.loc[im_idx].values, (28, 28))
    ax[i].imshow(plottable_image, cmap='gray_r')

你当前代码每次取的是每个数字的第一个样本，如果要实现随机采样，可将im_idx的取值逻辑修改为：

im_idx = np.random.choice(np.argwhere(y == str(i)).flatten())

内容的提问来源于stack exchange，提问作者antima99