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.
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
X = [[50, 2], [65], [80, 3]]
model.fit(X, [100, 130, 160])import numpy as np
X = [[50, 2], [65, np.nan], [80, 3]]
# apoi completezi np.nan cu SimpleImputerAl 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
X = []
for c in clienti:
rand = [c["varsta"]]
if "venit" in c:
rand.append(c["venit"])
X.append(rand)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
df["vector"] = [[0.1, 0.2], [0.3, 0.4]]
model.fit(df[["vector"]], y)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 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.
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])))Pret estimat: 180000
Indiciu
Al doilea rând trebuie să fie [65, np.nan].
Reparația
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, np.nan], [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])))De ce merge
Cu np.nan, fiecare rând are două valori, deci numpy poate construi un tabel 4 x 2. SimpleImputer(strategy="median") înlocuiește valoarea lipsă cu mediana coloanei (3 camere), apoi regresia se antrenează normal. Prețurile cresc cu 2000 de lei pe metru pătrat, așa că apartamentul de 90 mp e estimat la 180000.
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
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]]. ValueError: Input X contains NaN. Datele de intrare X au cel puțin o valoare lipsă (NaN), iar modelul nu știe să lucreze cu ea. Completează golurile înainte de fit (de exemplu cu fillna sau SimpleImputer) sau elimină rândurile incomplete cu dropna. 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. 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.
