Python脚本报错：无法在数组中找到索引，求问题根源

首先咱们来拆解这个「无法在数组中找到索引」错误的核心原因：
你用train_test_split拆分数据集后，X_train作为DataFrame，它的索引会保留原数据集的索引值，并不是从0开始的连续整数序列。但你的循环里用了for n in range(0, len(Y_train))，也就是用0、1、2...这类连续数字去取X_train["surface"][n]，当这个n不在X_train的实际索引集合里时，自然就会触发索引找不到的错误。

举个直观的例子：假设原数据集的索引是[2,5,7,10,...]，拆分后的X_train索引还是这些零散的值，当循环到n=0时，X_train里根本没有0这个索引，程序直接报错。

解决方法 #

方法1：重置X_train和Y_train的索引 #

在拆分数据集后，给X_train和Y_train重置索引，让它们从0开始连续编号：

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2)
# 重置索引，drop=True避免把原索引转为新列
X_train = X_train.reset_index(drop=True)
Y_train = Y_train.reset_index(drop=True)

# 后续代码保持不变
est = sm.OLS(Y_train, X_train).fit()
coefSurface = est.params["surface"]
coefArrondissement = est.params["arrondissement"]
...

这样循环里的n就能和X_train的索引完美对应，不会再出现索引不匹配的问题。

方法2：改用更高效的向量运算（推荐） #

Pandas和Statsmodels本身就支持向量式运算，完全没必要写循环——这种方式既高效，又从根源上规避了索引问题：

# 直接通过列运算计算预测价格
predicted_prices = coefSurface * X_train["surface"] + coefArrondissement * X_train["arrondissement"]
# 想查看结果的话，直接打印整个Series即可
print(predicted_prices)

这是Pandas的惯用写法，比循环执行速度快得多，也更符合数据分析的代码风格。

另外提个小建议：你代码里的indices和indices2看起来是想过滤值为"whatever"的行，如果这类无效数据存在，建议在拆分数据集前就完成数据清洗，不然带着无效特征训练模型，会直接影响模型的拟合效果哦。

内容的提问来源于stack exchange，提问作者eldondano