Python 应为2D数组，改为1D数组错误

我得到的错误如下

ValueError:应为2D数组，而应为1D数组：数组=[45000]。 50000. 60000. 80000. 110000. 150000. 200000. 300000. 500000.1000000.].使用数组重塑数据。如果数据具有单个特征，则重塑（-1，1）或数组。如果数据具有单个特征，则重塑（1，-1） 包含一个样本。”

执行以下代码时：

# SVR

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Position_S.csv')
X = dataset.iloc[:, 1:2].values
y = dataset.iloc[:, 2].values

 # Feature Scaling
from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
sc_y = StandardScaler()
X = sc_X.fit_transform(X)
y = sc_y.fit_transform(y)

# Fitting SVR to the dataset
from sklearn.svm import SVR
regressor = SVR(kernel = 'rbf')
regressor.fit(X, y)

# Visualising the SVR results
plt.scatter(X, y, color = 'red')
plt.plot(X, regressor.predict(X), color = 'blue')
plt.title('Truth or Bluff (SVR)')
plt.xlabel('Position level')
plt.ylabel('Salary')
plt.show()

# Visualising the SVR results (for higher resolution and smoother curve)
X_grid = np.arange(min(X), max(X), 0.01)
X_grid = X_grid.reshape((len(X_grid), 1))
plt.scatter(X, y, color = 'red')
plt.plot(X_grid, regressor.predict(X_grid), color = 'blue')
plt.title('Truth or Bluff (SVR)')
plt.xlabel('Position level')
plt.ylabel('Salary')
plt.show()

---

看起来，预期的维度是错误的。你能试试吗

regressor = SVR(kernel='rbf')
regressor.fit(X.reshape(-1, 1), y)

---

问题是，如果键入y.ndim，您将看到维度为1，如果键入X.ndim，您将看到维度为2

因此，要解决这个问题，必须将y.ndim的结果从1更改为2

为此，只需使用numpy类下的重塑函数

data=pd.read_csv("Position_Salaries.csv")
X=data.iloc[:,1:2].values
y=data.iloc[:,2].values
y=np.reshape(y,(10,1))

它应该能够解决由于尺寸而引起的问题。 在上面的代码之后进行常规的特性缩放，它肯定会工作

如果它对你有效，一定要投票

---

谢谢。

sklearn

需要2D输入。只需使用

fit（X[：，None]，y）

thax ZislsNotZiscould你可以告诉我这个X.resporate（-1,1）。实际上是做什么的。它也解决了这个问题。我实际上通过改成y=dataset.iloc[：，2:3]解决了这个问题。尽管我只给出了3列值。根据错误消息，你输入的数据格式是

[45000，50000，60000，…]

。但是模型希望输入的格式像

[[45000]、[50000]、[60000]、…]

——一个列表。因此，重塑（-1，1）只需更改一种格式。请注意，

restrape（）

现在已被弃用。改用

df.values.reformate（）

。