ValueError: The output of the 'num' transformer should be 2D (numpy array, scipy sparse array, dataframe).
Un transformator din ColumnTransformer a întors un rezultat 1D (de exemplu o serie pandas sau un vector), iar ColumnTransformer are nevoie de tabele 2D ca să le lipească. În FunctionTransformer, selectează coloanele cu x[["col"]] sau întoarce un DataFrame, nu x["col"].
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
ColumnTransformer rulează fiecare transformator pe coloanele lui și apoi lipește rezultatele unul lângă altul, ca un tabel mai lat. Pentru asta, fiecare rezultat trebuie să fie 2D: rânduri și coloane. Numele din mesaj ('num') e numele pasului din ColumnTransformer care a întors un vector.
Aproape întotdeauna e vorba de un FunctionTransformer cu o funcție scrisă de tine, care întoarce o serie: x["suprafata"] / 10 dă o Series (1D), pe când x[["suprafata"]] / 10 dă un DataFrame cu o coloană (2D). La fel, np.log(x).sum(axis=1) întoarce un vector.
Verifică funcția separat: f(df[["suprafata"]]).shape trebuie să aibă două numere, de exemplu (4, 1).
De ce apare: cauzele frecvente
1Funcția întoarce o serie
def zeci(x):
return x["suprafata"] / 10def zeci(x):
return x[["suprafata"]] / 10Parantezele duble păstrează rezultatul ca DataFrame, adică 2D.
2Calcul care reduce coloanele la un vector
def total(x):
return x.sum(axis=1)def total(x):
return x.sum(axis=1).to_frame("total")to_frame transformă seria într-un DataFrame cu o coloană.
3Vector numpy
def log_pret(x):
return np.log1p(np.asarray(x)[:, 0])def log_pret(x):
return np.log1p(np.asarray(x)[:, [0]])Indexarea cu o listă ([:, [0]]) păstrează a doua dimensiune, deci forma rămâne (n, 1).
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: The output of the 'num' transformer should be 2D, pentru că funcția zeci întoarce o serie. Fă-o să întoarcă un DataFrame cu o coloană, ca programul să afișeze forma rezultatului și primul rând.
import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import FunctionTransformer, OneHotEncoder
df = pd.DataFrame({"oras": ["Cluj", "Iasi", "Cluj"], "suprafata": [50, 80, 120]})
def zeci(x):
return x["suprafata"] / 10
prep = ColumnTransformer([
("num", FunctionTransformer(zeci), ["suprafata"]),
("cat", OneHotEncoder(sparse_output=False), ["oras"]),
])
rez = prep.fit_transform(df)
print("Forma:", rez.shape)
print("Primul rand:", rez[0].tolist())Forma: (3, 3) Primul rand: [5.0, 1.0, 0.0]
Indiciu
Folosește x[["suprafata"]] / 10 în loc de x["suprafata"] / 10.
Reparația
import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import FunctionTransformer, OneHotEncoder
df = pd.DataFrame({"oras": ["Cluj", "Iasi", "Cluj"], "suprafata": [50, 80, 120]})
def zeci(x):
return x[["suprafata"]] / 10
prep = ColumnTransformer([
("num", FunctionTransformer(zeci), ["suprafata"]),
("cat", OneHotEncoder(sparse_output=False), ["oras"]),
])
rez = prep.fit_transform(df)
print("Forma:", rez.shape)
print("Primul rand:", rez[0].tolist())De ce merge
Cu x[["suprafata"]], funcția întoarce un DataFrame cu forma (3, 1), deci ColumnTransformer îl poate lipi lângă cele două coloane ale encoderului. Rezultatul are 3 rânduri și 3 coloane: suprafața în zeci de mp, apoi oras_Cluj și oras_Iasi. Primul apartament are 5 zeci de mp și e din Cluj.
Alte forme ale mesajului
ValueError: The output of the 'functiontransformer' transformer should be 2D (numpy array, scipy sparse array, dataframe).ValueError: The output of the 'num' transformer should be 2D (scipy matrix, array, or pandas DataFrame).
Cum o eviți pe viitor
Testează fiecare funcție din FunctionTransformer separat, înainte s-o pui în pipeline, și verifică .shape. Ține minte regula pandas: df["col"] e 1D, df[["col"]] e 2D. Când funcția creează o coloană nouă, întoarce un DataFrame cu nume, ca să vezi coloana în get_feature_names_out().
Întrebări frecvente
De ce FunctionTransformer singur nu dă eroare?
Pentru că FunctionTransformer doar aplică funcția și întoarce ce primește. Verificarea formei o face ColumnTransformer, când lipește rezultatele.
Pot întoarce mai multe coloane din aceeași funcție?
Da, orice tabel 2D cu același număr de rânduri e în regulă. ColumnTransformer va adăuga toate coloanele la rezultat.
Erori înrudite
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]]. TypeError: All estimators should implement fit and transform, or can be 'drop' or 'passthrough' specifiers. 'LogisticRegression()' (type <class 'sklearn.linear_model._logistic.LogisticRegression'>) doesn't. Ai pus un model (LogisticRegression, LinearRegression...) în interiorul unui ColumnTransformer. ColumnTransformer acceptă doar transformere (scalere, encodere, imputere), "drop" sau "passthrough". Pune modelul după el, într-un Pipeline: make_pipeline(ct, LogisticRegression()). ValueError: A given column is not a column of the dataframe Ai dat unui ColumnTransformer o listă de coloane în care cel puțin un nume nu există în DataFrame (greșeală de scriere, diacritice, spații, coloană redenumită). Compară lista cu df.columns.tolist() și corectează numele. 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.
