Python 线性回归模型的二维输出

我的代码中出现以下错误：

ValueError:应为2D数组，但改为标量数组： 数组=99。 使用数组重塑数据。如果数据具有单个特征或数组，则重塑（-1，1）。如果数据包含单个样本，则重塑（1，-1）

以下是使用的代码：

#importing libraries

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn import linear_model

Physical_activity_df = pd.read_excel('C:/Users/Usuario/Desktop/LW_docs/Physical_activity_nopass.xlsx')

prediction_df = Physical_activity_df[['Activity_Score','Calories']]
prediction_df.plot(kind='scatter', x= 'Activity_Score', y= 'Calories')
plt.show()

#change to df variables
activity_score = pd.DataFrame(prediction_df['Activity_Score'])
calories = pd.DataFrame(prediction_df['Calories'])

lm = linear_model.LinearRegression()
model = lm.fit(activity_score,calories)

#predict new values for calories (FROM HERE COMES THE ERROR)
activity_score_new = 99
calories_predict = model.predict(activity_score_new)
calories_predict

---

你知道如何解决这个问题吗？谢谢

错误说明一切。应为2D数组（类似）<代码>模型。预测（[[99]]）应该可以工作。看，谢谢@StefanB，它起作用了！