在scikit learn中将pandas NumPy数组作为特征向量传递？

我有一个由5个不同值组成的向量，用作样本值，标签是一个0、1或3的整数。当我将数组作为样本传递时，机器学习算法就会工作，但我得到了这个警告。如何传递特征向量而不获得此警告

import numpy as np
from numpy import random

from sklearn import neighbors
from sklearn.model_selection import train_test_split
import pandas as pd

filepath = 'test.csv'

# example label values
index = [0,1,3,1,1,1,0,0]

# example sample arrays
data = []
for i in range(len(index)):
    d = []
    for i in range(6):
        d.append(random.randint(50,200))
    data.append(d)

feat1 = 'brightness'
feat2, feat3, feat4 = ['h', 's', 'v']
feat5 = 'median hue'
feat6 = 'median value'

features = [feat1, feat2, feat3, feat4, feat5, feat6]

df = pd.DataFrame(data, columns=features, index=index)
df.index.name = 'state'

with open(filepath, 'a') as f:
    df.to_csv(f, header=f.tell() == 0)

states = pd.read_csv(filepath, usecols=['state'])

df_partial = pd.read_csv(filepath, usecols=features)

states = states.astype(np.float32)
states = states.values
labels = states

samples = np.array([])
for i, row in df_partial.iterrows():
    r = row.values
    samples = np.vstack((samples, r)) if samples.size else r

n_neighbors = 5

test_size = .3
labels, test_labels, samples, test_samples = train_test_split(labels, samples, test_size=test_size)
clf1 = neighbors.KNeighborsClassifier(n_neighbors, weights='distance')
clf1 = clf1.fit(samples, labels)

score1 = clf1.score(test_samples, test_labels)

print("Here's how the models performed \nknn: %d %%" %(score1 * 100))

警告:

"DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel(). clf1 = clf1.fit(samples, labels)"

尝试更换

states=states.values

by

states=states.values.flatte（）

或

clf1=clf1.fit（样本，标签）

by

clf1=clf1.fit（样本，标签.flatte（））

states=states.values

包含存储在panda数据框中的正确标签，但它们存储在不同的行中。使用

.flant（）

将所有标签放在同一行上。（）

在Sklearn的KNeighborsClassifier文档中

---

（），它们在示例中显示标签必须存储在同一行：

y=[0,0,1,1]

从数据帧状态检索数据时，它存储在多行（列向量）中，而预期值存储在单行中

您还可以尝试使用

ravel（）

函数，该函数用于创建连续的展开数组

numpy.ravel（array，order='C'）：

返回连续的平坦数组（包含所有输入数组元素且类型与之相同的1D数组）

尝试：

---

states=states.values.ravel（）

代替了

states=states.values
，所以ravel（）和flatte（）本质上是一样的？我对此做了一些研究，虽然ravel（）和flatte（）是将ndarray转换为1D数组的两种方法，但它们有一些区别。Ravel返回对原始数组的引用，数组中的更改反映在原始数组中，而展平复制原始数组和对数组的更改不会影响原始数组。因为Ravel只是原始数组的一个引用，完全避免了数据的复制，所以它比flatte快。x输入意味着什么？它是一个由n_个样本x n_个样本或其他东西组成的二维数组？还是像上面说的那样只是一个列表？我把sklearn文档的截图放在上面的问题中^^^^非常欢迎您！关于x输入，它是一个数组/矩阵，用于保存具有n_特征的点。在您的例子中，您的点有6个特征（亮度、h、s、v、中间色调和中间值），因此n_特征=6。因此，X包含28个点，每个点有6个特征，因此其形状[n_示例，n_特征]将为[28，6]。请尝试在
clf1=clf1之前添加
print（samples）
。在代码中拟合（示例，标签）
。这将帮助你更好地想象它。