ValueError: Found array with 0 feature(s) (shape=(4, 0)) while a minimum of 1 is required by LinearRegression.
X are rânduri, dar nicio coloană: selecția trăsăturilor a lăsat tabelul gol. De obicei select_dtypes("number") a eliminat coloanele citite ca text, sau drop a scos prea mult. Afișează X.shape și X.columns înainte de fit și convertește coloanele la numere.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Forma din mesaj, (4, 0), spune totul: 4 exemple și 0 trăsături. Modelul nu are din ce învăța, așa că refuză să se antreneze. E diferit de „0 sample(s)”, unde lipsesc rândurile.
Cauzele tipice sunt în pasul în care construiești X. select_dtypes(include="number") păstrează doar coloanele numerice, iar dacă numerele au fost citite ca text (de exemplu „50 mp” sau „1.200”), ele dispar. drop(columns=...) poate scoate și ultima coloană rămasă. O selecție de felul df[[c for c in df.columns if ...]] poate întoarce o listă goală. Un VarianceThreshold sau un SelectKBest pot și ei să lase zero coloane.
Dacă X este încă un DataFrame fără coloane, mesajul poate fi altul, ValueError: at least one array or dtype is required, dar cauza e aceeași. Verifică imediat înainte de fit: print(X.shape, list(X.columns)) și print(df.dtypes).
De ce apare: cauzele frecvente
1Numerele au fost citite ca text
df = pd.DataFrame({"suprafata": ["50", "65"], "pret": [100, 130]})
X = df.select_dtypes(include="number").drop(columns="pret")df["suprafata"] = pd.to_numeric(df["suprafata"])
X = df.select_dtypes(include="number").drop(columns="pret")După pd.to_numeric, coloana are tipul int64, deci select_dtypes o păstrează.
2drop a scos toate trăsăturile
X = df.drop(columns=["pret", "suprafata"])X = df.drop(columns=["pret"])Scoate din X doar ținta și coloanele pe care chiar nu vrei să le folosești.
3Lista de coloane construită automat e goală
coloane = [c for c in df.columns if c.startswith("nr_")] # []
X = df[coloane]coloane = [c for c in df.columns if c.startswith("nr_")]
assert coloane, "nicio coloana gasita"
X = df[coloane]Un assert îți spune imediat că filtrul nu a găsit nimic, înainte să ajungi la model.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Found array with 0 feature(s), pentru că suprafata a fost citită ca text și select_dtypes a eliminat-o. Convertește coloana la numere cu pd.to_numeric înainte de selecție, ca programul să afișeze coloanele și prețul estimat.
import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.DataFrame({
"suprafata": ["50", "60", "70", "80"],
"pret": [100000, 120000, 140000, 160000],
})
X_df = df.select_dtypes(include="number").drop(columns="pret")
X = X_df.to_numpy(dtype=float)
model = LinearRegression().fit(X, df["pret"])
print("Coloane:", list(X_df.columns))
print("Pret estimat:", round(float(model.predict([[75]])[0])))Coloane: ['suprafata'] Pret estimat: 150000
Indiciu
Adaugă df["suprafata"] = pd.to_numeric(df["suprafata"]) înainte de select_dtypes.
Reparația
import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.DataFrame({
"suprafata": ["50", "60", "70", "80"],
"pret": [100000, 120000, 140000, 160000],
})
df["suprafata"] = pd.to_numeric(df["suprafata"])
X_df = df.select_dtypes(include="number").drop(columns="pret")
X = X_df.to_numpy(dtype=float)
model = LinearRegression().fit(X, df["pret"])
print("Coloane:", list(X_df.columns))
print("Pret estimat:", round(float(model.predict([[75]])[0])))De ce merge
Cât timp suprafata era text (object), select_dtypes(include="number") păstra doar pret, iar după drop X rămânea fără coloane. După pd.to_numeric, coloana devine int64, rămâne în X, iar modelul învață 2000 de lei pe metru pătrat: 75 mp înseamnă 150000.
Alte forme ale mesajului
ValueError: Found array with 0 feature(s) (shape=(100, 0)) while a minimum of 1 is required by StandardScaler.ValueError: Found array with 0 feature(s) (shape=(10, 0)) while a minimum of 1 is required.ValueError: at least one array or dtype is required
Cum o eviți pe viitor
După ce construiești X, afișează-i forma și coloanele, mai ales când folosești selecții automate. Convertește explicit coloanele numerice la citire (dtype= sau pd.to_numeric) și nu te baza pe select_dtypes ca să le găsească. Pune un assert X.shape[1] > 0 în scripturile care rulează pe date noi, unde formatul se poate schimba fără să știi.
Întrebări frecvente
De ce coloana mea de numere e de tip object?
Pentru că cel puțin o valoare din ea nu e număr: un spațiu, o unitate de măsură („mp”), un punct ca separator de mii sau un text gol. pandas păstrează atunci toată coloana ca text.
Cum aflu ce coloane au tipul greșit?
df.dtypes arată tipul fiecărei coloane. Coloanele cu object sunt text și trebuie curățate sau convertite.
Erori înrudite
ValueError: Found array with 0 sample(s) (shape=(0, 1)) while a minimum of 1 is required by LinearRegression. Ai dat modelului un tabel fără niciun rând. De obicei un filtru (dropna, o condiție pe o coloană, un merge) a eliminat tot. Afișează len(df) după fiecare pas de curățare și repară filtrul care golește tabelul. ValueError: could not convert string to float: 'Bucuresti' În X ai o coloană cu text (de exemplu orașul), iar modelul acceptă doar numere. Transformă coloanele de text în numere înainte de fit, cu pd.get_dummies sau OneHotEncoder, sau scoate-le din X dacă nu ai nevoie de ele. 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]]. 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.
