sklearn加载linnerud构造DataFrame触发NumPy TypeError报错问题

你触发TypeError: only integer scalar arrays can be converted to a scalar index的核心原因是对sklearn的Linnerud数据集结构理解有误：

• linnerud.target是形状为(20,3)的二维数值数组，存储20个样本对应的3项生理指标（体重、腰围、脉搏）的具体数值，不是类别索引
• 你在列表推导式中遍历linnerud.target拿到的每个v都是长度为3的数值数组，无法作为下标去取linnerud.target_names的元素，因此触发类型错误

如果你需要将运动特征和生理指标合并为完整的DataFrame，并且绘制带分类维度的pairplot，可以参考以下两种实现： #

方案1：合并全部生理指标列，指定某一项生理指标为hue分类维度 #

import numpy as np
import seaborn as sns; sns.set(style="ticks", color_codes=True)
import sklearn.datasets
import pandas as pd

linnerud = sklearn.datasets.load_linnerud()
# 横向拼接运动特征和生理指标
linnerud_df = pd.DataFrame(
    data= np.c_[linnerud.data, linnerud.target],
    columns= linnerud.feature_names + linnerud.target_names
)
# 示例：以体重(Weight)作为分组维度绘制pairplot，可自行替换为Waist或Pulse
g = sns.pairplot(linnerud_df, hue='Weight')

方案2：新增physiological分类列，按生理指标区间分组后绘制 #

如果你确实需要单独的physiological分类列，可以先对生理指标做离散化分组：

import numpy as np
import seaborn as sns; sns.set(style="ticks", color_codes=True)
import sklearn.datasets
import pandas as pd

linnerud = sklearn.datasets.load_linnerud()
linnerud_df = pd.DataFrame(
    data= linnerud.data,
    columns= linnerud.feature_names
)
# 示例：按腰围区间划分physiological类别，可根据需求调整分组规则
linnerud_df['physiological'] = pd.cut(
    linnerud.target[:,1], 
    bins=[0, 31, 35, 100], 
    labels=['偏瘦', '正常', '偏胖']
)
g = sns.pairplot(linnerud_df, hue='physiological')

内容的提问来源于stack exchange，提问作者meloqq