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.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Mesajul vine din pandas: Length of values (3) este lungimea a ceea ce atribui, iar length of index (10) este numărul de rânduri ale DataFrame-ului. O coloană nouă trebuie să aibă exact câte o valoare pentru fiecare rând, așa că pandas refuză atribuirea.
În proiectele de ML apare tipic după train_test_split: model.predict(X_test) întoarce câte o predicție pentru fiecare rând din test (de exemplu 3), dar o scrii în df['predictie'], care are toate rândurile (de exemplu 10). La fel se întâmplă după ce ai eliminat rânduri cu dropna() și vrei să lipești rezultatul înapoi în tabelul original.
Citește cele două numere din mesaj: ele îți spun exact ce lungimi s-au întâlnit. Apoi uită-te pe linia din traceback la tabelul din stânga semnului = și la ce ai pus în dreapta.
De ce apare: cauzele frecvente
1Predicțiile pe test scrise în tot tabelul
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
model.fit(X_train, y_train)
df["predictie"] = model.predict(X_test)rezultat = X_test.copy()
rezultat["predictie"] = model.predict(X_test)X_test are doar o parte din rânduri. O copie a lui X_test are exact câte un rând pentru fiecare predicție, deci atribuirea merge.
2Rânduri eliminate cu dropna()
curat = df.dropna()
model.fit(curat[["x"]], curat["y"])
df["predictie"] = model.predict(curat[["x"]])curat = df.dropna().copy()
model.fit(curat[["x"]], curat["y"])
curat["predictie"] = model.predict(curat[["x"]])După dropna() tabelul are mai puține rânduri decât df. Pune predicțiile în tabelul pe care ai prezis.
3Predicție pe alt tabel decât cel în care scrii
df_nou["scor"] = model.predict(df_vechi[coloane])df_nou["scor"] = model.predict(df_nou[coloane])Predicția trebuie făcută pe aceleași rânduri ca tabelul în care scrii rezultatul.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Length of values (3) does not match length of index (10), pentru că predicțiile pe cele 3 apartamente din test sunt scrise în tabelul cu toate cele 10. Pune predicțiile într-o copie a lui X_test, ca programul să afișeze câte rânduri are rezultatul și prețurile prezise.
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
df = pd.DataFrame({
"mp": [40, 50, 55, 60, 65, 70, 80, 90, 100, 120],
"pret": [80, 100, 110, 120, 130, 140, 160, 180, 200, 240],
})
X = df[["mp"]]
y = df["pret"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
model = LinearRegression().fit(X_train, y_train)
df["pret_prezis"] = model.predict(X_test).round()
print("Randuri:", len(df))
print("Preturi prezise:", df["pret_prezis"].tolist())Randuri: 3 Preturi prezise: [110.0, 200.0, 130.0]
Indiciu
Fă rezultat = X_test.copy() și scrie coloana pret_prezis în rezultat.
Reparația
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
df = pd.DataFrame({
"mp": [40, 50, 55, 60, 65, 70, 80, 90, 100, 120],
"pret": [80, 100, 110, 120, 130, 140, 160, 180, 200, 240],
})
X = df[["mp"]]
y = df["pret"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
model = LinearRegression().fit(X_train, y_train)
rezultat = X_test.copy()
rezultat["pret_prezis"] = model.predict(X_test).round()
print("Randuri:", len(rezultat))
print("Preturi prezise:", rezultat["pret_prezis"].tolist())De ce merge
model.predict(X_test) întoarce câte o valoare pentru fiecare rând din X_test, adică 3. O copie a lui X_test are exact aceste 3 rânduri, cu același index, deci coloana nouă se potrivește. Tabelul complet are 10 rânduri, iar pandas nu poate pune 3 valori în 10 locuri fără să știe unde.
Alte forme ale mesajului
ValueError: Length of values (30) does not match length of index (100)ValueError: Length of values does not match length of index
Cum o eviți pe viitor
Ține predicțiile lângă datele din care au ieșit: fă rezultat = X_test.copy() și scrie în rezultat, nu în tabelul complet. Dacă ai nevoie de predicții pentru toate rândurile, apelează model.predict pe toate rândurile (după aceeași preprocesare). Înainte de atribuire, un print(len(df), len(predictii)) îți arată imediat nepotrivirea. Evită să amesteci tabele filtrate (dropna, query) cu tabelul original fără să păstrezi indexul.
Întrebări frecvente
Pot pune predicțiile înapoi în tabelul complet?
Da, dacă le aliniezi după index: df.loc[X_test.index, "predictie"] = model.predict(X_test). Rândurile din train rămân cu NaN în coloana nouă, ceea ce e corect, pentru că pe ele nu ai prezis.
De ce cu o Series nu primesc eroarea, dar apar NaN?
O Series se aliniază după index, nu după poziție, deci pandas pune valorile doar pe rândurile cu același index și completează restul cu NaN. Un array numpy sau o listă nu au index, așa că trebuie să aibă lungimea exactă.
Erori înrudite
ValueError: Found input variables with inconsistent numbers of samples: [5, 4] X și y (sau y_true și y_pred) au un număr diferit de rânduri: aici 5 și 4. Fiecare exemplu din X trebuie să aibă exact o etichetă în y. Caută locul unde ai filtrat sau ai împărțit doar una dintre ele și construiește-le din același tabel. ValueError: Shape of passed values is (4, 3), indices imply (4, 1) Construiești un DataFrame dintr-un array cu alt număr de coloane decât numele date în `columns=`. În ML apare des după `OneHotEncoder` sau `ColumnTransformer`, care produc mai multe coloane decât ai dat la intrare. Folosește `columns=encoder.get_feature_names_out()`. 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. 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.
