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()`.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Mesajul compară două forme: passed values (4, 3) este forma array-ului (4 rânduri, 3 coloane), iar indices imply (4, 1) este forma pe care o implică indexul și lista columns (4 rânduri, 1 nume). Pandas nu poate pune 3 coloane de date sub un singur nume.
Cel mai des: OneHotEncoder transformă o coloană oras în câte o coloană pentru fiecare oraș, iar tu refolosești numele vechi (columns=["oras"]). La fel se întâmplă după PolynomialFeatures, după un ColumnTransformer care a eliminat coloane (remainder="drop") sau după PCA cu alt număr de componente decât numele scrise de mână.
Comparația pe rânduri poate și ea să nu se potrivească: dacă dai index= cu altă lungime, primul număr diferă.
De ce apare: cauzele frecvente
1Numele vechi după OneHotEncoder
Z = enc.fit_transform(df[["oras"]])
pd.DataFrame(Z, columns=["oras"])Z = enc.fit_transform(df[["oras"]])
pd.DataFrame(Z, columns=enc.get_feature_names_out())get_feature_names_out() întoarce exact câte un nume pentru fiecare coloană produsă.
2Nume scrise de mână după ColumnTransformer
pd.DataFrame(prep.fit_transform(df), columns=df.columns)prep.set_output(transform="pandas")
rezultat = prep.fit_transform(df)Cu ieșire pandas, transformatorul construiește singur DataFrame-ul, cu numele corecte.
3Componente PCA cu nume greșite
pd.DataFrame(PCA(n_components=3).fit_transform(X), columns=["pc1", "pc2"])Z = PCA(n_components=3).fit_transform(X)
pd.DataFrame(Z, columns=[f"pc{i+1}" for i in range(Z.shape[1])])Numele generate din Z.shape[1] au mereu numărul potrivit.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Shape of passed values is (4, 3), indices imply (4, 1), pentru că OneHotEncoder face câte o coloană pentru fiecare oraș, dar DataFrame-ul primește un singur nume. Folosește numele produse de encoder, ca programul să afișeze coloanele și primul rând.
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
df = pd.DataFrame({"oras": ["Cluj", "Iasi", "Brasov", "Cluj"]})
enc = OneHotEncoder(sparse_output=False)
Z = enc.fit_transform(df[["oras"]])
codificat = pd.DataFrame(Z, columns=["oras"])
print("Coloane:", list(codificat.columns))
print("Primul rand:", codificat.iloc[0].tolist())Coloane: ['oras_Brasov', 'oras_Cluj', 'oras_Iasi'] Primul rand: [0.0, 1.0, 0.0]
Indiciu
Scrie columns=enc.get_feature_names_out().
Reparația
import pandas as pd
from sklearn.preprocessing import OneHotEncoder
df = pd.DataFrame({"oras": ["Cluj", "Iasi", "Brasov", "Cluj"]})
enc = OneHotEncoder(sparse_output=False)
Z = enc.fit_transform(df[["oras"]])
codificat = pd.DataFrame(Z, columns=enc.get_feature_names_out())
print("Coloane:", list(codificat.columns))
print("Primul rand:", codificat.iloc[0].tolist())De ce merge
Encoderul a găsit trei orașe, deci Z are trei coloane, în ordinea alfabetică a categoriilor. get_feature_names_out() întoarce exact trei nume, oras_Brasov, oras_Cluj și oras_Iasi, deci formele se potrivesc. Primul rând (Cluj) are 1 doar în coloana pentru Cluj.
Alte forme ale mesajului
ValueError: Shape of passed values is (100, 12), indices imply (100, 5)ValueError: 4 columns passed, passed data had 3 columnsValueError: Length mismatch: Expected axis has 3 elements, new values have 2 elements
Cum o eviți pe viitor
Nu scrie de mână numele coloanelor după o transformare: ia-le cu get_feature_names_out() sau folosește set_output(transform="pandas") pe transformator sau pe tot pipeline-ul. Afișează Z.shape imediat după transformare, ca să vezi câte coloane au ieșit. La OneHotEncoder folosește sparse_output=False dacă vrei să construiești DataFrame-ul direct din rezultat.
Întrebări frecvente
De ce OneHotEncoder face mai multe coloane?
Pentru că fiecare categorie devine o coloană 0/1: o coloană oras cu trei orașe devine trei coloane (oras_Brasov, oras_Cluj, oras_Iasi). Așa modelul nu presupune o ordine între orașe.
De ce mesajul diferă la df.columns = [...]?
Când redenumești un DataFrame existent, pandas spune Length mismatch: Expected axis has 3 elements, new values have 2 elements. E aceeași problemă: numărul de nume nu e egal cu numărul de coloane.
Erori înrudite
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. ValueError: Pandas output does not support sparse data. Set sparse_output=False to output pandas dataframes or disable Pandas output via` ohe.set_output(transform="default"). Ai cerut rezultat ca DataFrame (set_output(transform="pandas")), dar OneHotEncoder produce implicit o matrice rară (sparse), pe care pandas nu o acceptă aici. Setează OneHotEncoder(sparse_output=False), sau renunță la ieșirea pandas. AttributeError: Estimator functiontransformer does not provide get_feature_names_out. Did you mean to call pipeline[:-1].get_feature_names_out()? Un pas din pipeline nu știe să spună numele coloanelor pe care le produce, de obicei un FunctionTransformer. Dă-i feature_names_out="one-to-one" (dacă păstrează coloanele) sau o funcție care întoarce numele. Dacă ultimul pas e modelul, cere numele de la pipeline[:-1]. 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.
