Bỏ qua đến nội dung chính
Mục lục

ValueError: Expected 2D array, got 1D array instead

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 2/18 · Chương 13

Giải nghĩa lỗi và cảnh báo

  • 6 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

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)

fit(nha["dien_tich_m2"], y)

Expected a 2-dimensional container but got <class 'pandas.Series'> instead

nha[["dien_tich_m2"]]

list hay mảng một chiều

predict([60, 90])

Expected 2D array, got 1D array instead

reshape(-1, 1) hoặc một DataFrame

một số trần

predict(80)

Expected 2D array, got scalar array instead

[[80]]

một dòng lấy bằng loc[0, [...]]

predict(nha.loc[0, ["dien_tich_m2"]])

Expected a 2-dimensional container…

nha.loc[[0], ["dien_tich_m2"]]

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:

python
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:

python
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'> instead

Phần 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:

python
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.

python
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

  1. 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]}))
  2. Với import numpy as np, np.array([60, 90, 120]).reshape(-1, 1).shape cho kết quả gì?

    • (3, 1)
    • (1, 3)
    • (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"])
Đúng hết lần đầu +15 XP

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.

python
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 này

Tóm tắt

  • X của fit() và predict() luôn là bảng hai chiều; y là một cột một chiều.

  • Series vào chỗ X báo Expected a 2-dimensional container; list hay mảng một chiều báo Expected 2D array, got 1D array instead.

  • Một cột: viết nha[["cot"]] với hai cặp ngoặc vuông, hoặc reshape(-1, 1).

  • reshape(1, -1) là một mẫu nhiều feature; chọn nhầm cho model một feature báo X 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

expected 2d array got 1d array instead

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập