Python脚本中的错误“预期的2D数组，而是获取了1D数组：”？

我正在按照本教程进行ML预测：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style

style.use("ggplot")
from sklearn import svm

x = [1, 5, 1.5, 8, 1, 9]
y = [2, 8, 1.8, 8, 0.6, 11]

plt.scatter(x,y)
plt.show()

X = np.array([[1,2],
             [5,8],
             [1.5,1.8],
             [8,8],
             [1,0.6],
             [9,11]])

y = [0,1,0,1,0,1]
X.reshape(1, -1)

clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X,y)

print(clf.predict([0.58,0.76]))

我正在使用Python 3.6，但出现错误“预期的2D数组，而是获取1D数组：”我认为该脚本适用于旧版本，但我不知道如何将其转换为3.6版本。

已经尝试使用：

X.reshape(1, -1)

您只需要为该predict方法提供相同的2D数组，但要提供一个您要处理（或更多）的值。简而言之，您可以替换

[0.58,0.76]

用

[[0.58,0.76]]

它应该工作。

编辑：这个答案变得很流行，所以我想我将添加有关ML的更多解释。简短的版本：我们只能predict在与训练数据（X）具有相同维数的数据上使用。

在所讨论的示例中，我们给计算机添加了许多行X（各有2个值），并在中显示了正确的响应y。当我们想predict使用新值时，我们的程序期望的是相同的-一堆行。即使我们只想对一行（具有两个值）进行处理，该行也必须是另一数组的一部分。

在数组上运行预测时，会发生此问题[0.58,0.76]。通过在调用之前重塑问题来解决此问题predict()：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style

style.use("ggplot")
from sklearn import svm

x = [1, 5, 1.5, 8, 1, 9]
y = [2, 8, 1.8, 8, 0.6, 11]

plt.scatter(x,y)
plt.show()

X = np.array([[1,2],
             [5,8],
             [1.5,1.8],
             [8,8],
             [1,0.6],
             [9,11]])

y = [0,1,0,1,0,1]

clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X,y)

test = np.array([0.58, 0.76])
print test       # Produces: [ 0.58  0.76]
print test.shape # Produces: (2,) meaning 2 rows, 1 col

test = test.reshape(1, -1)
print test       # Produces: [[ 0.58  0.76]]
print test.shape # Produces (1, 2) meaning 1 row, 2 cols

print(clf.predict(test)) # Produces [0], as expected

我使用以下方法。

reg = linear_model.LinearRegression()
reg.fit(df[['year']],df.income)

reg.predict([[2136]])

除了要预测的实例的数据类型是panda.Series对象之外，我还面临相同的问题。

好吧，我只需要预测一个输入实例即可。我从一部分数据中获取了它。

df = pd.DataFrame(list(BiogasPlant.objects.all()))
test = df.iloc[-1:]       # sliced it here

在这种情况下，您需要先将其转换为一维数组reshape。

 test2d = test.values.reshape(1,-1)

从docs，values将Series转换为numpy数组。

我遇到了同样的问题。您只需要使其成为一个数组，而且必须放置双方括号以使其成为2D数组的单个元素，因为第一个括号将初始化该数组，第二个使其成为该数组的元素。

因此，只需将最后一条语句替换为：

print(clf.predict(np.array[[0.58,0.76]]))

我之前也遇到过同样的问题，但是我已经找到了解决方法，您可以尝试reg.predict([[3300]])。

用于允许标量值的API，但现在您需要提供2D数组。

只需将参数插入双方括号之间即可：

regressor.predict（[[values]]）

对我有用

通过一个功能，我的数据框列表转换为系列。我不得不将其转换回数据框列表，并且它可以正常工作。

if type(X) is Series:
    X = X.to_frame()

自变量和因变量的X和Y矩阵分别从int64类型转换为DataFrame，以便将其从1D数组转换为2D数组。即X = pd.DataFrame（X）和Y = pd.dataFrame（Y），其中pd是python中的pandas类。因此依次进行功能缩放不会导致任何错误！