Python 将数据帧转换为numpy阵列时重塑形状

我有一个Pandas数据框架，它有4行和N列，我将1列作为分类器的特征。如下所示

0    [1, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0]
1    [0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1]
2    [0, 0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0]
3    [0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0]

该列本质上是16个二进制编码特征的

列表

但当我把它输入分类器时，下面的错误出现了

Traceback (most recent call last):
      clf.fit(X,y)
      X, y = check_X_y(X, y, 'csr')
      ensure_min_features, warn_on_dtype, estimator)
      array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: setting an array element with a sequence.

我想错误是因为fit方法需要一个NxM矩阵，而它得到的形状是

(4,)

所以基本上

我想尝试将形状（4，）转换为形状（4,16）

我尝试了以下功能：

X = np.asarray(train_data['presence_vector'])
X.reshape((4,16))
X = train_data['presence_vector'].values
X.reshape((4,16))
X = train_data['presence_vector'].as_matrix()
X.reshape((4,16))

这一切都不管用。
本应该用通常的方法。如果有比下面更好的解决方案

reshaped=[]
for l in X:
    reshaped.append(l)

X_new=np.array(reshaped)
print(X_new.shape)
(4, 16)

你只是不能将形状（4，）重塑为形状（4,16），因为它们有不同数量的元素。这不能解决你的问题（顺便说一句，这是完全不清楚的）。我知道在编程上这些“可能”有不同的元素，但我“知道”它总是有相同数量的元素。我只是想知道是否有一个没有循环的解决方案。