TypeError: unsupported format string passed to numpy.ndarray.__format__
Ai formatat un array numpy cu `:.2f` într-un f-string, de obicei `model.coef_` sau rezultatul lui `predict`. Formatul `.2f` merge doar pentru un singur număr. Ia elementul (`model.coef_[0]`) sau rotunjește tot array-ul cu `np.round(...)` / `.round(2)` și afișează-l fără format.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
În f"{valoare:.2f}", partea .2f este trimisă metodei __format__ a valorii. Numerele (float, np.float64) știu ce înseamnă „două zecimale”. Un numpy.ndarray nu știe cum să aplice formatul pe mai multe valori, așa că refuză.
În ML apare când afișezi parametrii modelului: model.coef_ este array (o valoare pentru fiecare trăsătură) chiar dacă ai o singură trăsătură, iar la LogisticRegression are chiar două dimensiuni, (1, n_trăsături). Tot aici ajungi cu model.predict([[x]]) sau cu cross_val_score(...), care întoarce un array de scoruri (câte unul pe fold).
model.intercept_ este număr la LinearRegression, dar array la LogisticRegression, de aceea același f-string merge într-un loc și nu în altul.
De ce apare: cauzele frecvente
1coef_ formatat ca număr
print(f"Panta: {model.coef_:.2f}")print(f"Panta: {model.coef_[0]:.2f}")coef_[0] este coeficientul primei trăsături, un singur număr, deci acceptă .2f.
2Scorurile validării încrucișate
scoruri = cross_val_score(model, X, y, cv=5)
print(f"Scor: {scoruri:.3f}")scoruri = cross_val_score(model, X, y, cv=5)
print(f"Scor: {scoruri.mean():.3f}")cross_val_score întoarce un scor pe fold; media lor e un singur număr.
3coef_ 2D la regresia logistică
print(f"{clf.coef_[0]:.2f}")print(f"{clf.coef_[0, 0]:.2f}")La LogisticRegression, coef_ are forma (1, n), deci coef_[0] este încă un array.
Repară eroarea, direct în pagină
Codul de mai jos dă TypeError: unsupported format string passed to numpy.ndarray.__format__, pentru că model.coef_ este un array, nu un număr. Formatează primul coeficient, ca programul să afișeze panta și interceptul cu două zecimale.
from sklearn.linear_model import LinearRegression
# km parcursi -> minute de livrare
X = [[1], [2], [4], [5], [8]]
y = [12, 14, 18, 20, 26]
model = LinearRegression().fit(X, y)
print(f"Panta: {model.coef_:.2f} minute/km")
print(f"Intercept: {model.intercept_:.2f} minute")Panta: 2.00 minute/km Intercept: 10.00 minute
Indiciu
Folosește model.coef_[0] în f-string.
Reparația
from sklearn.linear_model import LinearRegression
# km parcursi -> minute de livrare
X = [[1], [2], [4], [5], [8]]
y = [12, 14, 18, 20, 26]
model = LinearRegression().fit(X, y)
print(f"Panta: {model.coef_[0]:.2f} minute/km")
print(f"Intercept: {model.intercept_:.2f} minute")De ce merge
coef_ are câte un coeficient pentru fiecare trăsătură; aici e una singură, deci coef_[0] este panta, un număr pe care f-string-ul îl poate formata. intercept_ este deja un număr la LinearRegression. Datele urmează exact minute = 2 × km + 10.
Alte forme ale mesajului
TypeError: unsupported format string passed to numpy.ndarray.__format__.TypeError: unsupported format string passed to Series.__format__
Cum o eviți pe viitor
Verifică forma parametrilor cu print(model.coef_.shape) înainte să-i afișezi. Pentru array-uri întregi folosește np.round(arr, 2) sau np.set_printoptions(precision=2), iar pentru valori individuale indexează explicit. La cross_val_score afișează media și abaterea standard: scoruri.mean() și scoruri.std(). Aceeași regulă se aplică la o Series pandas: formatul cu zecimale merge pe o valoare (s.iloc[0]), nu pe toată coloana; pentru coloană folosește s.round(2).
Întrebări frecvente
De ce round(model.coef_, 2) merge?
Funcția round apelează np.round pe array și întoarce tot un array, deci nu are nevoie de un singur număr. Doar formatul din f-string (:.2f) cere un scalar.
Cum afișez toți coeficienții frumos?
Cu o buclă: for nume, c in zip(coloane, model.coef_): print(f"{nume}: {c:.2f}"). Fiecare c este un număr.
Erori înrudite
TypeError: only 0-dimensional arrays can be converted to Python scalars Ai pus rezultatul lui `predict` (un array, chiar și cu o singură valoare) direct în `float()`, `int()` sau `round()`. Ia întâi elementul: `model.predict(x)[0]`, sau folosește `.item()` când ai exact o valoare. Pentru mai multe valori, folosește `.round()` sau `.tolist()` pe tot array-ul. AttributeError: 'LinearRegression' object has no attribute 'coef_' Atributele cu underscore la final (coef_, intercept_, classes_, feature_importances_) există doar după fit. Antrenează modelul înainte să le citești. Dacă modelul e antrenat, verifică numele atributului: unele modele nu au coef_ (de exemplu arborii). TypeError: 'numpy.ndarray' object is not callable Ai pus paranteze după ceva care e un array, nu o funcție. În scikit-learn, atributele învățate (coef_, intercept_, classes_, feature_importances_) sunt valori, nu metode: scrie model.coef_, fără (). Apare și când suprascrii o funcție cu un array, de exemplu predict = model.predict(X). Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
