Python'；数组'的索引太多；

我使用以下代码来可视化决策树函数所做的预测。然而，我得到一个错误：索引器：数组的索引太多。我是python新手，有人能就这个错误提供建议吗

散点图数据散点图卫星数据。如果存在植被，则地块中的一点为“绿色”，否则为“灰色”。 输入： x_df-大小为nx2的数据帧，每行是一个位置，每列是一个坐标 y_系列-长度N的系列，每个条目为0（无植被）或1（植被） ax-要打印的轴 返回： ax-带有散点图的轴

下面是x_-train和y_-train是如何创建的

def scatter_plot_data(x_df, y_series, ax):

# convert x_df and y_series into numpy arrays
    x = x_df.values
    y = y_series.values
    
    ax.scatter(x[y == 1, 0], x[y == 1, 1], alpha=0.2, c='green', label='vegetation')
    ax.scatter(x[y == 0, 0], x[y == 0, 1], alpha=0.2, c='gray', label='nonvegetation')
    ax.set_xlim([0, 1])
    ax.set_ylim([0, 1])
    ax.set_xlabel('Latitude')
    ax.set_ylabel('Longitude')
    ax.legend(loc='best')
    return ax


    def plot_decision_boundary(x_df, y_series, model, ax, plot_boundary_only=False):
    
    # convert x_df and y_series into numpy arrays
    x = x_df.values
    y = y_series.values
    
    # Plot data
    if not plot_boundary_only:
        ax.scatter(x[y == 1, 0], x[y == 1, 1], alpha=0.2, c='green', label='vegetation')
        ax.scatter(x[y == 0, 0], x[y == 0, 1], alpha=0.2, c='gray', label='non-vegetation')
    
    # Create mesh
    interval = np.arange(0,1,0.01)
    n = np.size(interval)
    x1, x2 = np.meshgrid(interval, interval)
    x1 = x1.reshape(-1, 1)
    x2 = x2.reshape(-1, 1)
    xx = np.concatenate((x1, x2), axis=1)
    
    # Predict on mesh points
    yy = model.predict(xx)    
    yy = yy.reshape((n, n))

    # Plot decision surface
    x1 = x1.reshape(n, n)
    x2 = x2.reshape(n, n)
    if not plot_boundary_only:
        ax.contourf(x1, x2, yy, alpha=0.1, cmap='Greens')
    ax.contour(x1, x2, yy, colors='black', linewidths=0.1)
    ax.set_xlim([0, 1])
    ax.set_ylim([0, 1])
    ax.set_xlabel('Latitude')
    ax.set_ylabel('Longitude')
    ax.legend(loc='best')
    return ax
---------------------

    # set up to create two plots in the same image
    fig, ax = plt.subplots(1, 3, figsize=(15, 5))
    
    # visualize the data on the first plot (ax[0])
    scatter_plot_data(x_train, y_train, ax[0])
    ax[0].set_title('Training Data')
    
    #  plot the training data and decision tree boundary on the second plot (ax[1])
    plot_decision_boundary(x_train, y_train, tree, ax[1])
    ax[1].set_title('Decision Boundary on the Training Data')
    
    #  plot the test data and decision tree boundary on the third plot (ax[2])
    plot_decision_boundary(x_test, y_test, tree, ax[2])
    ax[2].set_title('Decision Boundary on the Test Data')

最后，错误是：

    IndexError                                Traceback (most recent call last)
    <ipython-input-12-51049b1cd664> in <module>
          3 
          4 # visualize the data on the first plot (ax[0])
    ----> 5 scatter_plot_data(x_train, y_train, ax[0])
          6 ax[0].set_title('Training Data')
          7 
    
    <ipython-input-11-0719bb156aa2> in scatter_plot_data(x_df, y_series, ax)
         16     y = y_series.values
         17 
    ---> 18     ax.scatter(x[y == 1, 0], x[y == 1, 1], alpha=0.2, c='green', label='vegetation')
         19     ax.scatter(x[y == 0, 0], x[y == 0, 1], alpha=0.2, c='gray', label='nonvegetation')
         20     ax.set_xlim([0, 1])
    
    IndexError: too many indices for array

索引器错误回溯（最近一次调用）
在里面
3.
4#可视化第一个绘图上的数据（ax[0]）
---->5散点图数据（x列、y列、ax[0]）
6 ax[0]。设置标题（“培训数据”）
7.
在散点图数据中（x_df，y_系列，ax）
16 y=y_系列数值
17
--->18最大散射（x[y==1,0]，x[y==1,1]，α=0.2，c='绿色'，标签='植被〕）
19 ax.散射（x[y==0,0]，x[y==0,1]，α=0.2，c='gray'，label='NonVegation'）
20 ax.set_xlim（[0,1]）
索引器：数组的索引太多

实际的MCVE总是比代码转储更有用。您负责自己的基本调试，包括检查数组尺寸、搜索错误消息等。回溯表明，这种情况下的错误来自

x\u列

和

y\u列

数组，然而，你实际上没有想到任何地方向我们展示这些数组是如何创建的。我添加了一个图像，其中包含我用来创建x_train的前5行代码，y_train数组形状在某个地方不匹配，请尝试在出错前检查

x

和

y

一行。我正在添加上传到github的数据集的链接，我不确定这是否有用。但是，数据集看起来很好。[连结]