...
Eroare Machine Learning · Encodere, ColumnTransformer și Pipeline

ValueError: Shape of passed values is (4, 3), indices imply (4, 1)

Pe scurt

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

Greșit
PYTHON
Z = enc.fit_transform(df[["oras"]])
pd.DataFrame(Z, columns=["oras"])
Corect
PYTHON
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

Greșit
PYTHON
pd.DataFrame(prep.fit_transform(df), columns=df.columns)
Corect
PYTHON
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

Greșit
PYTHON
pd.DataFrame(PCA(n_components=3).fit_transform(X), columns=["pc1", "pc2"])
Corect
PYTHON
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 tu

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.

Codul care dă eroarea
PYTHON
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())
După reparație, programul afișează
Coloane: ['oras_Brasov', 'oras_Cluj', 'oras_Iasi']
Primul rand: [0.0, 1.0, 0.0]
Indiciu

Scrie columns=enc.get_feature_names_out().

Alte forme ale mesajului

  • ValueError: Shape of passed values is (100, 12), indices imply (100, 5)
  • ValueError: 4 columns passed, passed data had 3 columns
  • ValueError: 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

← 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.