...
Eroare Machine Learning · Date lipsă, text și valori invalide

ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (2,) + inhomogeneous part.

Pe scurt

Rândurile din X nu au toate același număr de valori, așa că numpy nu poate construi un tabel dreptunghiular. Caută rândul mai scurt sau mai lung (o valoare lipsă, o listă în plus) și adu toate rândurile la aceeași lungime, completând lipsurile cu np.nan.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

scikit-learn transformă orice listă primită ca X într-un array numpy 2D, adică un tabel cu același număr de coloane pe fiecare rând. Mesajul spune că numpy a încercat să pună o secvență (o listă) într-o celulă care trebuia să fie un singur număr, pentru că rândurile au lungimi diferite.

Partea „inhomogeneous shape after 1 dimensions” înseamnă că prima dimensiune (numărul de rânduri) e clară, dar a doua nu: un rând are 2 valori, altul 1 sau 3. „The detected shape was (2,)” îți spune câte rânduri a găsit înainte să se oprească.

Apare des când construiești X de mână dintr-o buclă, când un rând are o valoare uitată, sau când o coloană a unui DataFrame conține liste (de exemplu, o coloană cu vectori de embedding). Ca să găsești rândul vinovat, afișează set(len(r) for r in X): dacă vezi mai multe lungimi, ai găsit problema.

De ce apare: cauzele frecvente

1Un rând are o valoare lipsă

Greșit
PYTHON
X = [[50, 2], [65], [80, 3]]
model.fit(X, [100, 130, 160])
Corect
PYTHON
import numpy as np
X = [[50, 2], [65, np.nan], [80, 3]]
# apoi completezi np.nan cu SimpleImputer

Al doilea rând are o singură valoare, deci tabelul nu e dreptunghiular. Cu np.nan păstrezi forma, iar valoarea lipsă o tratezi separat.

2Rânduri construite în buclă cu lungimi diferite

Greșit
PYTHON
X = []
for c in clienti:
    rand = [c["varsta"]]
    if "venit" in c:
        rand.append(c["venit"])
    X.append(rand)
Corect
PYTHON
X = []
for c in clienti:
    X.append([c["varsta"], c.get("venit", np.nan)])

Fiecare rând trebuie să aibă exact aceleași coloane, în aceeași ordine. dict.get cu valoare implicită garantează asta.

3O coloană din DataFrame conține liste

Greșit
PYTHON
df["vector"] = [[0.1, 0.2], [0.3, 0.4]]
model.fit(df[["vector"]], y)
Corect
PYTHON
X = np.vstack(df["vector"].to_list())
model.fit(X, y)

O celulă cu o listă nu e un număr. np.vstack transformă listele într-un tabel 2D, cu câte o coloană pentru fiecare poziție din vector.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: setting an array element with a sequence, pentru că la al doilea apartament lipsește numărul de camere. Pune np.nan în locul valorii lipsă și lasă SimpleImputer să o completeze, ca programul să afișeze prețul estimat.

Codul care dă eroarea
PYTHON
import numpy as np
from sklearn.impute import SimpleImputer
from sklearn.linear_model import LinearRegression
from sklearn.pipeline import make_pipeline

# suprafata (mp), camere
X = [[50, 2], [65], [80, 3], [100, 4]]
y = [100000, 130000, 160000, 200000]

model = make_pipeline(SimpleImputer(strategy="median"), LinearRegression())
model.fit(X, y)
print("Pret estimat:", round(float(model.predict([[90, 3]])[0])))
După reparație, programul afișează
Pret estimat: 180000
Indiciu

Al doilea rând trebuie să fie [65, np.nan].

Alte forme ale mesajului

  • ValueError: setting an array element with a sequence.
  • ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 2 dimensions. The detected shape was (3, 2) + inhomogeneous part.

Cum o eviți pe viitor

Construiește X dintr-un DataFrame cu coloane fixe, nu din liste făcute de mână. Când trebuie să construiești rânduri în buclă, scrie o funcție care întoarce mereu aceeași listă de câmpuri, cu np.nan pentru lipsuri. Înainte de fit, verifică forma cu np.asarray(X, dtype=float).shape și afișează lungimile rândurilor dacă ceva arată ciudat.

Întrebări frecvente

De ce nu pune numpy pur și simplu NaN unde lipsește o valoare?

Pentru că nu știe unde lipsește: la [65] valoarea ar putea fi prima sau a doua coloană. numpy refuză să ghicească, iar alegerea e a ta.

Am văzut și o variantă cu „after 2 dimensions”. E aceeași problemă?

Da. Numărul arată nivelul la care forma nu mai e regulată. La „after 2 dimensions”, rândurile au același număr de celule, dar o celulă conține o listă în loc de un număr.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

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.