ValueError: Expected 2D array, got 1D array instead
Modelul vrea X ca tabel 2D (rânduri = exemple, coloane = caracteristici), dar a primit o listă simplă 1D. Cu o singură caracteristică, folosește df[['suprafata']] (două paranteze) sau x.reshape(-1, 1); pentru un singur exemplu, [[50]].
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
În scikit-learn, X are mereu forma (n_exemple, n_caracteristici), chiar dacă ai o singură caracteristică sau un singur exemplu. Un tablou 1D precum [50, 60, 70] e ambiguu: sunt trei apartamente cu câte o caracteristică sau un apartament cu trei caracteristici? scikit-learn nu ghicește și oprește execuția.
Mesajul complet îți afișează tabloul primit (array=[50 60 70].) și îți dă chiar reparația: reshape(-1, 1) dacă datele au o singură caracteristică (o coloană) și reshape(1, -1) dacă e un singur exemplu (un rând). Cea mai frecventă cauză cu pandas este df["suprafata"], care întoarce o Series (1D), în loc de df[["suprafata"]], care întoarce un DataFrame cu o coloană (2D). A doua cauză: model.predict([50]) în loc de model.predict([[50]]).
De ce apare: cauzele frecvente
1O coloană pandas selectată cu o singură paranteză
X = df["suprafata"]
model.fit(X, y)X = df[["suprafata"]]
model.fit(X, y)df["suprafata"] este o Series 1D. Cu lista ["suprafata"] între paranteze obții un DataFrame cu o coloană, adică un tabel 2D.
2Un singur exemplu dat la predict fără paranteze duble
print(model.predict([70]))print(model.predict([[70]]))[[70]] înseamnă un rând cu o coloană. [70] este doar o listă de valori, fără forma de tabel.
3Tablou numpy 1D creat de mână
x = np.array([1, 2, 3, 4])
model.fit(x, y)x = np.array([1, 2, 3, 4]).reshape(-1, 1)
model.fit(x, y)reshape(-1, 1) face din 4 valori un tabel cu 4 rânduri și o coloană; -1 înseamnă „calculează singur numărul de rânduri”.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Expected 2D array, got 1D array instead, pentru că X este o singură coloană selectată cu o paranteză. Repară-l: selectează suprafața ca tabel cu o coloană, ca programul să afișeze forma lui X și prețul estimat pentru un apartament de 70 m².
import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.DataFrame({
"suprafata": [40, 50, 60, 80, 100],
"pret": [80, 100, 118, 160, 198],
})
X = df["suprafata"].to_numpy()
y = df["pret"]
model = LinearRegression().fit(X, y)
print("Forma X:", X.shape)
print("Pret pentru 70 m2:", round(model.predict([[70]])[0], 1))Forma X: (5, 1) Pret pentru 70 m2: 139.1
Indiciu
Înlocuiește df["suprafata"] cu df[["suprafata"]].
Reparația
import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.DataFrame({
"suprafata": [40, 50, 60, 80, 100],
"pret": [80, 100, 118, 160, 198],
})
X = df[["suprafata"]].to_numpy()
y = df["pret"]
model = LinearRegression().fit(X, y)
print("Forma X:", X.shape)
print("Pret pentru 70 m2:", round(model.predict([[70]])[0], 1))De ce merge
df["suprafata"] întoarce o coloană simplă, iar to_numpy() o transformă într-un tablou 1D cu forma (5,). Cu df[["suprafata"]] selectezi un DataFrame cu o coloană, deci tabloul are forma (5, 1): 5 apartamente, câte o caracteristică. Acum scikit-learn știe sigur că sunt cinci exemple, nu un exemplu cu cinci valori. La predict, [[70]] respectă aceeași regulă: un rând, o coloană.
Alte forme ale mesajului
ValueError: Expected 2D array, got 1D array instead: array=[50 60 70]. Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.
Cum o eviți pe viitor
Ține minte regula: X este 2D, y este 1D. Cu pandas, selectează caracteristicile mereu cu o listă de coloane (df[["a"]], df[["a", "b"]]), chiar dacă e una singură, iar ținta cu o singură paranteză (df["pret"]). La predicție pentru un exemplu nou, construiește tot un tabel: [[70]] sau un DataFrame cu un rând. Verifică forma cu X.shape înainte de fit.
Întrebări frecvente
Când folosesc reshape(-1, 1) și când reshape(1, -1)?
reshape(-1, 1) când ai mai multe exemple cu o singură caracteristică (o coloană). reshape(1, -1) când ai un singur exemplu cu mai multe caracteristici (un rând). Mesajul de eroare îți amintește exact asta.
De ce y poate fi 1D, iar X nu?
Pentru că y are, aproape mereu, o singură valoare pe exemplu: forma lui naturală este o listă. X poate avea oricâte caracteristici, așa că scikit-learn cere forma de tabel ca să nu existe ambiguitate.
Erori înrudite
ValueError: Expected 2D array, got scalar array instead Ai dat la predict un singur număr (de exemplu model.predict(70)), iar modelul vrea un tabel 2D. Pune valoarea într-un rând și o coloană: model.predict([[70]]) sau un DataFrame cu un rând. ValueError: X has 3 features, but LinearRegression is expecting 2 features as input. Datele date la predict sau transform au alt număr de coloane decât cele de la fit (aici 3 în loc de 2). Datele noi trebuie să aibă exact aceleași caracteristici, în aceeași ordine, și să treacă prin aceleași transformări ca datele de antrenare. 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.
