Found input variables with inconsistent numbers of samples
Bài 4/18 · Chương 13
Giải nghĩa lỗi và cảnh báo
- 5 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 10
Lỗi Found input variables with inconsistent numbers of samples nghĩa là bảng feature X và nhãn y bạn đưa vào fit() không cùng số dòng, nên scikit-learn không ghép được mỗi dòng với nhãn của nó. Hai số trong ngoặc vuông cuối thông báo là số dòng của từng bên, theo đúng thứ tự bạn truyền vào; lỗi hay gặp sau khi lọc, chia hay bỏ ô trống ở một bên mà quên bên kia.
Cần biết trước: train_test_split trong sklearn.
Bảng tra nhanh: hai số trong thông báo và cách sửa
Python gọi lỗi này là ValueError. Ba tình huống hay gặp, mỗi dòng là thông báo thật trên các file của tutorial:
Việc vừa làm | Hai số | Cách sửa |
|---|---|---|
|
| bỏ ô trống trên cả bảng rồi mới tách |
lọc dòng của |
| lọc bảng trước, tách sau |
nhận sai thứ tự bốn phần của |
|
|
Cột diem_danh_gia_tb của file hội viên trống ở khách chưa đánh giá. Bỏ dòng trống trên phần feature làm hai bên lệch nhau:
import pandas as pd
kh = pd.read_csv("hoi_vien.csv")
cot = ["so_don_90_ngay", "diem_danh_gia_tb"]
X = kh[cot].dropna()
y = kh["roi_bo"]
print(len(X), len(y))KẾT QUẢ
1975 3000Đổi "diem_danh_gia_tb" thành "tuoi" rồi chạy lại: dòng in ra 3000 3000, vì cột tuổi không có ô trống.
Mỗi dòng của bảng là một hội viên, và fit() ghép dòng thứ k của X với nhãn thứ k của y. Khi X còn 1.975 dòng mà y còn 3.000 thì việc ghép không có nghĩa, nên thư viện dừng thay vì đoán.
Bỏ ô trống hay lọc ở một bên
Gọi fit() trên hai phần vừa tạo ở trên:
import pandas as pd
from sklearn.linear_model import LogisticRegression
kh = pd.read_csv("hoi_vien.csv")
cot = ["so_don_90_ngay", "diem_danh_gia_tb"]
LogisticRegression().fit(kh[cot].dropna(), kh["roi_bo"])
Dòng cuối của thông báo lỗi:
ValueError: Found input variables with inconsistent numbers of samples: [1975, 3000]
Cách sửa: làm mọi thao tác bỏ dòng trên cả bảng, rồi mới tách X và y từ bảng đã dọn. Tham số subset= của dropna() chỉ xét ô trống ở các cột bạn chọn, nhưng bỏ cả dòng:
import pandas as pd
from sklearn.linear_model import LogisticRegression
kh = pd.read_csv("hoi_vien.csv")
cot = ["so_don_90_ngay", "diem_danh_gia_tb"]
sach = kh.dropna(subset=cot)
model = LogisticRegression().fit(sach[cot], sach["roi_bo"])
print(sach.shape, model.coef_.shape)KẾT QUẢ
(1975, 17) (1, 2)Lọc dòng cũng vậy: nha[nha["dien_tich_m2"] >= 50] rồi lấy y từ nha gốc cho ra cặp [2053, 2500]. Bỏ 1.025 hội viên chưa đánh giá cũng là một quyết định về dữ liệu; điền ô trống thay vì bỏ dòng có ở bài SimpleImputer.
Nhận sai bốn phần của train_test_split
train_test_split(X, y) trả bốn phần theo thứ tự: hai phần của X trước, hai phần của y sau. Viết nhầm thứ tự thì tên biến không khớp với nội dung:
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
nha = pd.read_csv("gia_nha.csv")
X, y = nha[["dien_tich_m2", "so_tang"]], nha["gia_ty"]
X_train, y_train, X_test, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
LinearRegression().fit(X_train, y_train)
Dòng cuối của thông báo lỗi:
ValueError: Found input variables with inconsistent numbers of samples: [2000, 500]
Biến tên y_train thật ra là 500 dòng test của X. Hai số 2000 và 500 đúng bằng 80 % và 20 % của 2.500 căn nhà là dấu hiệu nhận ra lỗi này. Cách sửa: X_train, X_test, y_train, y_test = train_test_split(...).
Kiểm tra nhanh
Gọi
model.fit(X, y)báoinconsistent numbers of samples: [800, 1000]. Bên nào có 800 dòng?X, vì số đầu ứng với đối số đầuy, vì nhãn luôn được kể trước- Không biết được, thứ tự hai số là ngẫu nhiên
Bảng 2.500 dòng,
train_test_split(X, y, test_size=0.2)nhận vàoX_train, y_train, X_test, y_test.fit(X_train, y_train)báo hai số nào?[2000, 2000][2000, 500][500, 2000]
Những cách nào sửa đúng lỗi lệch dòng sau khi bỏ ô trống?
sach = kh.dropna(subset=cot)rồi lấyX,ytừsach- Chọn
ybằng index củaXđã dọn:y.loc[X.index] - Cắt
ybằngy.iloc[:len(X)] - Gọi
reset_index(drop=True)trênXrồi fit lại
Bài tập
Bỏ dòng thiếu ở cả X và y
X là DataFrame feature, y là Series nhãn, hai bên cùng index. Một dòng có thể thiếu ở X (ít nhất một ô trống) hay ở nhãn y. Viết thân hàm bo_dong_thieu(X, y) bỏ mọi dòng thiếu ở bất kỳ bên nào, giữ nguyên index và thứ tự của các dòng còn lại, rồi trả cặp (X_sach, y_sach) cùng số dòng.
Ví dụ: 5 dòng, dòng index 1 trống ở X, dòng index 3 trống ở y, thì mỗi bên còn index [0, 2, 4]. Hàm không sửa X, y của nơi gọi.
Trả về: hai phần đã dọn, một tuple.
import pandas as pd
def bo_dong_thieu(X, y):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Hai số trong thông báo là số dòng của các đối số, theo đúng thứ tự truyền vào
fit()haytrain_test_split().Lọc dòng và
dropna()trên cả bảng trước, táchXvàysau.train_test_split(X, y)trảX_train, X_test, y_train, y_test; cặp[2000, 500]là dấu hiệu nhận sai thứ tự.Cắt
ytheo vị trí cho vừaXlàm mất lỗi nhưng ghép nhầm nhãn.
Câu hỏi thường gặp
Lỗi này có xảy ra với train_test_split không?
Có: train_test_split(X, y) kiểm số dòng trước khi chia và báo đúng câu này khi X và y lệch nhau. Hàm chia đúng cặp nên hai phần nó trả luôn khớp nhau. Xem thêm bài train_test_split.
Vì sao y.iloc[:len(X)] nguy hiểm hơn chính lỗi?
Lỗi dừng chương trình nên bạn biết có chuyện; cắt theo vị trí thì model chạy trên các cặp dòng và nhãn sai mà không ai hay. Luôn chọn dòng theo index chung, như ví dụ dùng dropna trên cả bảng.
X là mảng NumPy, y là Series thì so dòng thế nào?
Thuộc tính shape cho số dòng ở vị trí đầu: X.shape[0] và len(y) phải bằng nhau. Mảng NumPy không có index, nên phải lọc hai bên cùng một mask; cách đọc shape có ở bài shape và dtype.
Chủ đề
Dữ liệu của bài
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.