使用sklearn训练回归模型时出现维度不匹配报错的求助

大家好，我最近在尝试用sklearn搭建一个简单的回归模型，用心脏数据集里的**静息血压（trestbps）作为特征，预测胆固醇（chol）**的值。结果刚运行到划分训练测试集这一步就卡壳了，一直报维度不匹配的错误，试了好几种办法都没解决，来这儿求助各位大佬！

先贴出我目前的代码片段：

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt  

# 读取数据集
my_data2 = pd.read_csv("heart.csv")  

# 提取特征和目标变量
x = my_data2["trestbps"] 
y = my_data2["chol"]  

# 可视化部分是正常运行的
plt.xlabel("Resting Blood Pressure") 
plt.ylabel("Cholesterol")  
plt.plot(x,y,"*") 
plt.show()  

# 划分训练测试集时触发报错
from sklearn.model_selection import train_test_split  

X_train, X_test, y_train, y_test = train_test_split(x,y, test_size = 0.20, random_state=42)

报错提示说输入的特征数组维度不符合模型要求，我猜可能是因为我取的x是一维的Pandas Series？但我不太确定具体怎么修改才能让它符合sklearn的输入规范，有没有大佬能给我讲讲具体的调整方法呀？比如有没有简单的方式把这个一维特征转成模型能识别的二维格式？

内容来源于stack exchange