Python ValueError:找到样本数不一致的输入变量：[13185]

问题在于矢量化，因为它给了我X_列的大小计数[1,1]。我不知道为什么。这就是为什么多项式nb不能执行这个动作，因为y_列的大小是[13185]。 我是机器学习新手。任何帮助都将不胜感激

回溯：

# -*- coding: utf-8 -*-
"""
Created on Sun Jun  3 01:36:10 2018

@author: Sharad
"""
import numpy as np
import pickle
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import CountVectorizer
dbfile=open("D:/df_train_api.pk", 'rb')
df=pickle.load(dbfile)


y=df[['label']]
features=['groups']
X=df[features].copy()
X.columns
y.columns

#for spiliting into training and test data

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=324)
#for vectorizing
count_vect = CountVectorizer()
X_train_counts = count_vect.fit_transform(X_train)
X_train_counts.shape

from sklearn.feature_extraction.text import TfidfTransformer
tfidf_transformer = TfidfTransformer()
X_train_tfidf = tfidf_transformer.fit_transform(X_train_counts)
X_train_tfidf.shape

from sklearn.naive_bayes import MultinomialNB
clf = MultinomialNB().fit(X_train_tfidf, y_train)

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
运行文件（'C:/Users/Sharad/.spyder-py3/hypothizer.py'，wdir='C:/Users/Sharad/.spyder-py3'）
文件“C:\Users\Sharad\Anaconda3\lib\site packages\spyder\utils\site\sitecustomize.py”，第705行，在runfile中
execfile（文件名、命名空间）
文件“C:\Users\Sharad\Anaconda3\lib\site packages\spyder\utils\site\sitecustomize.py”，第102行，在execfile中
exec（编译（f.read（），文件名，'exec'），命名空间）
文件“C:/Users/Sharad/.spyder-py3/hypothizer.py”，第37行，在
clf=多项式Nb（）.拟合（X\u列\u tfidf，y\u列）
文件“C:\Users\Sharad\Anaconda3\lib\site packages\sklearn\naive\u bayes.py”，第579行，在fit中
十、 y=检查X（X，y，‘csr’）
文件“C:\Users\Sharad\Anaconda3\lib\site packages\sklearn\utils\validation.py”，第583行，在check\X\u y中
检查长度（X，y）是否一致
文件“C:\Users\Sharad\Anaconda3\lib\site packages\sklearn\utils\validation.py”，第204行，检查长度是否一致
“样本：%r”%[int（l）表示长度为l的样本]）
ValueError:找到样本数不一致的输入变量：[13185]

CountVectorizer（通过继承，TfidfTransformer和TfidfVectorizer）需要在

fit（）

中包含一个原始文档列表，并且：

因此，在内部，它将这样做：

raw_documents : iterable
    An iterable which yields either str, unicode or file objects.

当您在其中传递pandas DataFrame对象时，

只会为。。。在X中

。因此，只处理单个文档（而不是该列中的数据）

您需要这样做：

for doc in raw_documents:
    do_processing(doc)

否则，请执行以下操作：

X = df[features].values().ravel()

上面的代码与您正在执行的代码有所不同。您正在这样做：

X=df['groups'].copy()

这里的

features

已经是一个列列表。因此，本质上这变成：

X=df[features].copy()

区别在于这里的双括号（返回数据帧）和代码中的单括号（返回序列）

当X是一个系列时，

for value in X

按预期工作，但当X是一个数据帧时，只返回列名

---

希望这是清楚的。

请阅读-总结是，这不是一个理想的方式来解决志愿者，可能会适得其反获得答案。请不要将此添加到您的问题中。请包含完整的回溯。目前，我们甚至不知道错误发生在哪一行，更不用说上下文了。@9769953 traceback添加。请看一看。

X=df[features].copy()

X=df[['groups']].copy()