Python sklearn.preprocessing.MinMaxScaler:不可广播的输出形状错误

谁能解释一下我为什么会出现以下错误：

ValueError:形状为（1,1）的不可广播输出操作数
与广播形状（1,2）不匹配

执行时：

X=np.array（[[i，j]表示zip中的i，j（dati['a']，dati['b']），
dtype=float）#np.形状（X）是（23,2）
scaler=MinMaxScaler（功能范围=（0,1））
X=缩放器。拟合_变换（X）#np。形状（X）是（23，2）
X=np.重塑（X，（X.形状[0]，X.形状[1]，1））#np.形状（X）是（23，2，1）
X=f（X）#np。形状（X）是（23，1）
X=定标器。逆_变换（X）
p=np.array（[dati[['a'，'b']].iloc[-1]]，dtype=float）#np.shape（X）是（1,2）
scaler=MinMaxScaler（功能范围=（0,1））
p=缩放器。拟合_变换（p）#np。形状（X）是（1，2）
p=np.重塑（p，（p.形状[0]，p.形状[1]，1））#np.形状（X）是（1，2，1）
p=f（p）#np。形状（p）是（1，1）
反变换（p）#这里是误差

我真的不明白为什么对与X维数不同的f（X）的结果应用逆_变换，一切都很好，而对与p维数不同的f（p）应用逆_变换，我得到了错误