使用scaler.inverse_transform处理Series传入Seaborn绘图时触发ValueError的解决方法

这个问题我之前也碰到过，核心原因很简单：StandardScaler的inverse_transform()方法必须接收二维结构的数据（比如DataFrame或者二维numpy数组），但你传入的anomaly_df['Close/Last']是一维的Pandas Series，这就触发了那个ValueError。

给你两种直接可行的修改方案，任选其一就行：

方案1：用[[]]包裹列名，生成二维DataFrame #

把原来的Series改成单列DataFrame传入逆变换，之后用flatten()把返回的二维数组转成一维，适配Seaborn的绘图要求：

# 修正后的异常值绘图代码
sns.lineplot(x=anomaly_df['Date'], y=scaler.inverse_transform(anomaly_df[['Close/Last']]).flatten())
sns.scatterplot(x=anomalies['Date'], y=scaler.inverse_transform(anomalies[['Close/Last']]).flatten(), color='r')
# 也可以用ravel()替代flatten()，效果一致

方案2：用to_frame()将Series转为DataFrame #

这是另一种把一维Series转成二维DataFrame的方式，逻辑和上面完全一样：

# 另一种等效的写法
sns.lineplot(x=anomaly_df['Date'], y=scaler.inverse_transform(anomaly_df['Close/Last'].to_frame()).flatten())
sns.scatterplot(x=anomalies['Date'], y=scaler.inverse_transform(anomalies['Close/Last'].to_frame()).flatten(), color='r')

为什么这样改能解决问题？ #

StandardScaler是为多特征的数据集设计的，它的fit、transform、inverse_transform全都是基于二维数据工作的——哪怕你只处理一个特征，它也要求输入是“一列数据”的二维结构，而不是“一行数据”的一维结构。

你原来的代码里，anomaly_df['Close/Last']是一维Series，用[[]]或者to_frame()处理后，就变成了只有一列的DataFrame，刚好满足逆变换的输入要求。之后用flatten()把返回的二维数组转成一维，是因为Seaborn的绘图函数需要一维的数值序列作为y轴数据。

备注：内容来源于stack exchange，提问作者Asiedu