ValueError: Expected 2D array, got 1D array instead
Bài 2/18 · Chương 13
Giải nghĩa lỗi và cảnh báo
- 6 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 10
Lỗi Expected 2D array, got 1D array instead nghĩa là bạn đưa cho fit() hay predict() một dãy số một chiều, trong khi scikit-learn luôn đòi phần feature X là một bảng hai chiều: mỗi dòng một mẫu, mỗi cột một feature. Lỗi này hay gặp nhất khi model chỉ có một cột, như đoán giá nhà theo diện tích, hoặc khi dự đoán cho đúng một căn nhà.
Cần biết trước: fit, predict, score.
Bảng tra nhanh: đưa gì vào X và thông báo nào
Python gọi lỗi này là ValueError: kiểu dữ liệu đúng, hình của nó sai. Mọi dòng dưới gọi trên một model LinearRegression một cột. Cột "Thông báo" là câu đầu của lỗi trên scikit-learn 1.8.0:
Đưa vào | Ví dụ | Thông báo | Cách sửa |
|---|---|---|---|
một cột DataFrame (Series) |
|
|
|
list hay mảng một chiều |
|
|
|
một số trần |
|
|
|
một dòng lấy bằng |
|
|
|
Hai cách viết khác nhau ở thuộc tính shape (hình của bảng): một cặp ngoặc vuông cho Series một chiều, hai cặp cho DataFrame một cột:
import pandas as pd
nha = pd.read_csv("gia_nha.csv")
print(nha["dien_tich_m2"].shape)
print(nha[["dien_tich_m2"]].shape)KẾT QUẢ
(2500,)
(2500, 1)Đổi nha[["dien_tich_m2"]] thành nha[["dien_tich_m2", "so_tang"]] rồi chạy lại: dòng cuối in (2500, 2).
Cách chọn một hay nhiều cột có ở bài chọn cột trong pandas; hình (2500,) và (2500, 1) được giải thích ở bài shape và dtype.
Một cột của DataFrame vào fit()
Một Series đưa vào chỗ của X báo một câu khác hẳn câu Expected 2D array mà bạn hay thấy trong bài viết cũ, dù nguyên nhân vẫn là một:
import pandas as pd
from sklearn.linear_model import LinearRegression
nha = pd.read_csv("gia_nha.csv")
try:
LinearRegression().fit(nha["dien_tich_m2"], nha["gia_ty"])
except ValueError as loi:
print(str(loi).split(". ")[0])KẾT QUẢ
Expected a 2-dimensional container but got <class 'pandas.Series'> insteadPhần sau của câu bảo bạn đưa một DataFrame một cột. Sửa bằng hai cặp ngoặc vuông: fit(nha[["dien_tich_m2"]], nha["gia_ty"]). Nhãn y thì ngược lại, là một cột một chiều, nên nha["gia_ty"] để nguyên.
Mảng NumPy lấy từ một cột, như nha["dien_tich_m2"].to_numpy(), vẫn báo đúng câu cũ Expected 2D array, got 1D array instead.
List hay mảng một chiều vào predict()
Lúc dự đoán cho vài căn nhà mới, gõ tay một list là cách nhanh nhất, và cũng là chỗ lỗi hay xuất hiện. Thông báo đầy đủ có ba dòng:
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
nha = pd.read_csv("gia_nha.csv")
X = nha[["dien_tich_m2"]].to_numpy()
model = LinearRegression().fit(X, nha["gia_ty"])
try:
model.predict(np.array([60, 90]))
except ValueError as loi:
print(type(loi).__name__ + ":", loi)KẾT QUẢ
ValueError: Expected 2D array, got 1D array instead:
array=[60 90].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.Dòng cuối gợi hai cách sửa cho hai tình huống khác nhau. reshape(-1, 1) biến dãy thành một cột: mỗi số là một căn nhà, hợp với model một feature. reshape(1, -1) biến dãy thành một dòng: cả dãy là một căn nhà với nhiều feature. Bài reshape trong NumPy giải thích số -1.
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
nha = pd.read_csv("gia_nha.csv")
X = nha[["dien_tich_m2"]].to_numpy()
model = LinearRegression().fit(X, nha["gia_ty"])
moi = np.array([60, 90]).reshape(-1, 1)
print(moi.shape, model.predict(moi).round(2))KẾT QUẢ
(2, 1) [4.97 8.32]Model fit trên DataFrame thì dữ liệu mới nên cũng là DataFrame cùng tên cột, như pd.DataFrame({"dien_tich_m2": [60, 90]}). Đưa mảng NumPy cho một model như thế chạy được nhưng in thêm cảnh báo X does not have valid feature names.
Kiểm tra nhanh
Model đã
fit(nha[["dien_tich_m2"]], nha["gia_ty"]). Lời gọi nào đoán giá cho một căn 80 m² mà không báo lỗi?model.predict(80)model.predict(nha.loc[0, ["dien_tich_m2"]])model.predict(pd.DataFrame({"dien_tich_m2": [80]}))
Với
import numpy as np,np.array([60, 90, 120]).reshape(-1, 1).shapecho kết quả gì?(3, 1)(1, 3)(3,)
Những lời gọi nào báo lỗi vì X chỉ có một chiều?
LinearRegression().fit(nha["dien_tich_m2"], nha["gia_ty"])LinearRegression().fit(nha[["dien_tich_m2"]], nha["gia_ty"])LinearRegression().fit(nha["dien_tich_m2"].to_numpy(), nha["gia_ty"])LinearRegression().fit(nha[["dien_tich_m2", "so_tang"]], nha["gia_ty"])
Bài tập
Dự đoán cho model một feature
model là một LinearRegression đã fit trên mảng NumPy có đúng một cột feature. gia_tri là giá trị feature của các mẫu mới: có thể là một số, một list số hay một mảng NumPy một chiều, mỗi số là một mẫu. Viết thân hàm du_doan_mot_cot(model, gia_tri) đổi gia_tri thành bảng một cột rồi trả kết quả predict() của model, mỗi mẫu một số.
Ví dụ: model học y = 2x + 1, gia_tri = [6, 3, 4] cho mảng [13.0, 7.0, 9.0]. Hàm không sửa list của nơi gọi.
Trả về: dự đoán của từng mẫu, một ndarray một chiều.
import numpy as np
from sklearn.linear_model import LinearRegression
def du_doan_mot_cot(model, gia_tri):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Xcủafit()vàpredict()luôn là bảng hai chiều;ylà một cột một chiều.Series vào chỗ
XbáoExpected a 2-dimensional container; list hay mảng một chiều báoExpected 2D array, got 1D array instead.Một cột: viết
nha[["cot"]]với hai cặp ngoặc vuông, hoặcreshape(-1, 1).reshape(1, -1)là một mẫu nhiều feature; chọn nhầm cho model một feature báoX has 2 features.
Câu hỏi thường gặp
Vì sao y một chiều thì được, còn X thì không?
Mỗi mẫu chỉ có một nhãn, nên y là một dãy số là đủ. X thì mỗi mẫu có thể có nhiều feature, nên scikit-learn luôn đòi bảng hai chiều, dù chỉ có một cột. Bài fit, predict, score nói kỹ quy ước X và y.
reshape(-1, 1) hay reshape(1, -1) khi chỉ dự đoán một mẫu?
Mẫu có một feature thì hai cách cho cùng hình (1, 1). Mẫu có nhiều feature, như [76, 1] cho diện tích và số tầng, thì dùng reshape(1, -1) để được một dòng hai cột. Số -1 được giải thích ở bài reshape.
Code cũ trên mạng báo Expected 2D array, máy tôi lại báo 2-dimensional container?
Hai câu cùng một nguyên nhân. Các bản scikit-learn gần đây báo riêng câu Expected a 2-dimensional container khi bạn đưa một Series; mảng NumPy một chiều vẫn báo câu cũ. Cách sửa giống nhau: đưa một bảng hai chiều, như chọn nhiều cột bằng hai cặp ngoặc.
Chủ đề
Dữ liệu của bài
- Tải xuống
gia_nha.csv
CSV · 155.53 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.