ValueError: Data must be 1-dimensional, got ndarray of shape (4, 2) instead
Încerci să faci o Series pandas (sau o coloană) dintr-un array 2D, de obicei din rezultatul lui `predict_proba`, care are câte o coloană pentru fiecare clasă. Alege coloana de care ai nevoie, de exemplu `proba[:, 1]` pentru probabilitatea clasei pozitive.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
O Series are o singură dimensiune: o valoare pe rând. Mesajul îți spune că ai dat un array cu forma (4, 2), adică 4 rânduri și 2 coloane, iar pandas nu știe pe care coloană s-o pună.
În ML, cel mai des vine din model.predict_proba(X), care întoarce o matrice (n_rânduri, n_clase): prima coloană este probabilitatea clasei model.classes_[0], a doua a clasei model.classes_[1] și așa mai departe. Tot aici ajungi cu ieșirea unui OneHotEncoder, cu decision_function la clasificare multiclasă sau cu y.reshape(-1, 1) folosit unde trebuia vectorul simplu.
Verifică forma cu .shape înainte de a crea Series sau coloana, și alege explicit coloana dorită.
De ce apare: cauzele frecvente
1Toată matricea predict_proba într-o Series
proba = model.predict_proba(X_test)
scor = pd.Series(proba)proba = model.predict_proba(X_test)
scor = pd.Series(proba[:, 1])proba[:, 1] este o singură coloană, probabilitatea clasei a doua (de obicei clasa 1), deci are o singură dimensiune.
2Coloană nouă dintr-un array 2D
df["proba"] = model.predict_proba(X)df["proba_1"] = model.predict_proba(X)[:, 1]O coloană primește o valoare pe rând. Dacă ai nevoie de toate probabilitățile, fă un DataFrame cu columns=model.classes_.
3Vector transformat în coloană
y = np.array(etichete).reshape(-1, 1)
s = pd.Series(y)y = np.array(etichete)
s = pd.Series(y)reshape(-1, 1) face din vector o matrice cu o coloană. Pentru Series folosește vectorul 1D sau y.ravel().
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Data must be 1-dimensional, got ndarray of shape (4, 2) instead, pentru că predict_proba întoarce câte o coloană pentru fiecare clasă. Păstrează doar probabilitatea clasei 1 (clientul pleacă), ca programul să afișeze scorurile rotunjite.
import pandas as pd
from sklearn.linear_model import LogisticRegression
# luni de abonament -> pleaca (1) sau ramane (0)
X = [[1], [2], [3], [10], [12], [14]]
y = [1, 1, 1, 0, 0, 0]
model = LogisticRegression().fit(X, y)
X_nou = [[1], [5], [9], [15]]
scor = pd.Series(model.predict_proba(X_nou))
print("Clase:", model.classes_.tolist())
print("Risc de plecare:", scor.round(2).tolist())Clase: [0, 1] Risc de plecare: [0.99, 0.79, 0.15, 0.0]
Indiciu
Folosește model.predict_proba(X_nou)[:, 1].
Reparația
import pandas as pd
from sklearn.linear_model import LogisticRegression
# luni de abonament -> pleaca (1) sau ramane (0)
X = [[1], [2], [3], [10], [12], [14]]
y = [1, 1, 1, 0, 0, 0]
model = LogisticRegression().fit(X, y)
X_nou = [[1], [5], [9], [15]]
scor = pd.Series(model.predict_proba(X_nou)[:, 1])
print("Clase:", model.classes_.tolist())
print("Risc de plecare:", scor.round(2).tolist())De ce merge
predict_proba are forma (4, 2): coloana 0 e probabilitatea clasei 0, coloana 1 a clasei 1, în ordinea din model.classes_. Cu [:, 1] iei doar a doua coloană, un vector de 4 valori, din care pandas poate face o Series. Clienții noi au risc mare, iar cei vechi risc mic.
Alte forme ale mesajului
ValueError: Data must be 1-dimensionalValueError: Data must be 1-dimensional, got ndarray of shape (100, 3) insteadValueError: Per-column arrays must each be 1-dimensional
Cum o eviți pe viitor
Ține minte formele: predict întoarce (n,), predict_proba întoarce (n, n_clase). Afișează model.classes_ ca să știi ce clasă e pe fiecare coloană și alege coloana după poziția ei acolo, nu după presupunere. Când vrei toate probabilitățile, construiește un DataFrame: pd.DataFrame(proba, columns=model.classes_).
Întrebări frecvente
Care coloană din predict_proba e clasa pozitivă?
Cea care corespunde poziției clasei în model.classes_. Pentru etichetele 0 și 1, classes_ este [0, 1], deci coloana 1 e probabilitatea pentru 1. Pentru etichete text, ordinea e alfabetică.
De ce primesc „Per-column arrays must each be 1-dimensional”?
Este aceeași problemă la pd.DataFrame({"proba": proba}): fiecare valoare din dicționar trebuie să fie o coloană 1D.
Erori înrudite
IndexError: index 1 is out of bounds for axis 1 with size 1 `predict_proba(X)[:, 1]` cere a doua coloană, dar modelul a văzut la antrenare o singură clasă, deci `predict_proba` are o singură coloană. De obicei setul de antrenare a ieșit fără nicio clasă pozitivă. Împarte cu `stratify=y`, verifică `model.classes_` și alege coloana după clasă, nu după poziție. ValueError: Length of values (3) does not match length of index (10) Încerci să pui într-o coloană a unui DataFrame o listă sau un array cu alt număr de elemente decât rândurile tabelului. În ML apare aproape mereu când pui predicțiile pe setul de test într-o coloană a tabelului complet. Pune predicțiile într-un tabel cu același număr de rânduri, de exemplu în copia lui X_test. ValueError: y should be a 1d array, got an array of shape (6, 2) instead. Ai dat clasificatorului o țintă y cu mai multe coloane, de exemplu df[['aprobat', 'suma']], iar modelul vrea o singură coloană cu etichete. Selectează ținta cu o singură paranteză, df['aprobat'], sau aplatizează-o cu ravel() dacă are o singură coloană. 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.
