NumPy二维数组创建异常：目标数组形状不符合预期

嘿，我来帮你搞定这个数组形状的小问题～

问题原因 #

你现在得到的y.shape是(194,)，而不是预期的(194,1)，核心原因是：当你把单个浮点数转成np.array(y)时，得到的是一个标量数组（形状为()），把一堆标量数组放到列表里再转成大数组，NumPy会自动把它压缩成一维数组。而x的形状是对的，因为你每个x都是两个元素的列表转成的数组（形状(2,)），合并后自然是二维的(194,2)。

几种解决办法 #

这里给你三个简单有效的方案，选哪个都行：

方案1：在添加元素时就做成二维结构

直接把y包装成列表再转数组，这样每个元素都是形状(1,)的数组，最后合并就会得到(194,1)：

import numpy as np

def parse_data(file_name):
    data = []
    target = []
    with open(file_name) as f:
        for line in f:
            temp = line.split()
            x = [float(x) for x in temp[:2]]
            y = float(temp[2])
            data.append(np.array(x))
            # 把y放进列表再转数组，强制变成(1,)的形状
            target.append(np.array([y]))
    return np.array(data), np.array(target)

x, y = parse_data("data.txt")
print(y.shape)  # 输出 (194, 1)

方案2：用reshape调整最终数组形状

如果你不想修改循环里的代码，可以在返回的时候用reshape(-1, 1)，-1让NumPy自动计算行数，1固定列数：

import numpy as np

def parse_data(file_name):
    data = []
    target = []
    with open(file_name) as f:
        for line in f:
            temp = line.split()
            x = [float(x) for x in temp[:2]]
            y = float(temp[2])
            data.append(np.array(x))
            target.append(np.array(y))
    # 对target数组进行形状调整
    return np.array(data), np.array(target).reshape(-1, 1)

x, y = parse_data("data.txt")
print(y.shape)  # 输出 (194, 1)

方案3：用np.expand_dims扩展维度

和reshape类似，np.expand_dims可以直接给数组增加一个维度：

import numpy as np

def parse_data(file_name):
    data = []
    target = []
    with open(file_name) as f:
        for line in f:
            temp = line.split()
            x = [float(x) for x in temp[:2]]
            y = float(temp[2])
            data.append(np.array(x))
            target.append(np.array(y))
    # 在axis=1的位置（列维度）增加一个维度
    return np.array(data), np.expand_dims(np.array(target), axis=1)

x, y = parse_data("data.txt")
print(y.shape)  # 输出 (194, 1)

内容的提问来源于stack exchange，提问作者anon_swe