我正在尝试使用带有most_frequent策略的简单输入器来输入形状为(14599,)的一维数组,但它说它期望二维数组,我已经尝试 reshape 它(-1,1)和(1,-1)但是它的错误 ValueError: 无法将输入数组从形状 (14599,1) 广播到形状 (14599) 我该如何归因,因为 reshape 无法解决问题?我不明白为什么它会抛出错误。我已经尝试在DS stackexchange中询问它有人回答说也许是 pandas 系列,但我在 numpy 数组中制作了 x,y,然后将其传递给 X,y/train,test 的参数,所以我不确定
##libraries
import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
from sklearn.impute import SimpleImputer
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
##codes
plt.close('all')
avo_sales = pd.read_csv('avocados.csv')
avo_sales.rename(columns = {'4046':'small PLU sold',
'4225':'large PLU sold',
'4770':'xlarge PLU sold'},
inplace= True)
avo_sales.columns = avo_sales.columns.str.replace(' ','')
plt.scatter(avo_sales.Date,avo_sales.TotalBags)
x = np.array(avo_sales.drop(['TotalBags','Unnamed:0','year','region','Date'],1))
y = np.array(avo_sales.TotalBags)
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.2)
impC = SimpleImputer(strategy='most_frequent')
X_train[:,8] = impC.fit_transform(X_train[:,8].reshape(-1,1)) <-- error here
imp = SimpleImputer(strategy='median')
X_train[:,1:8] = imp.fit_transform(X_train[:,1:8])
le = LabelEncoder()
X_train[:,8] = le.fit_transform(X_train[:,8])
最佳答案
更改行:
X_train[:,8] = impC.fit_transform(X_train[:,8].reshape(-1,1))
到
X_train[:,8] = impC.fit_transform(X_train[:,8].reshape(-1,1)).ravel()
这样你的错误就会消失。
它将估算值分配回导致代码出现问题的原因。
关于python - 无法使用 sklearn 库中的 fit_transform 插补一维数组(分割测试),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60475098/