Python 代码可以工作，但插入方法内部时不能工作

我正在做一些简单的ML项目，我有一个简单的测试场景来测试我的代码：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from numpy.random import randn
import random
import matplotlib.pyplot as plt

class Model():
    def __init__(self, model_name):
        self.model_name = model_name
        self.model = LinearRegression()
        self.model_data = pd.DataFrame(columns=['X','Y'])


    def retrain(self):
        self.model.fit(self.model_data[['X']],self.model_data['Y'])

    def choose_value(self):
        y_intercept = self.model.intercept_
        pass


    def accept_value(self,x_value,y_value):
        temp_df = pd.DataFrame(data=[[x_value,y_value]],columns=['X','Y'])
        new_model.model_data = new_model.model_data.append(temp_df)

    def __str__(self):
        return f'The formula for the line is y = {list(self.model.coef_)[0]}x + {self.model.intercept_}'

情况如下：

df = pd.DataFrame(data = 5*randn(50,1),columns=['X'])
new_list = []
for i in df['X']:
    new_list.append(-6.5*i + 100 + random.normalvariate(0,10))
df['Y'] = new_list

new_model = Model('1')
for i in range(len(df)):
    x_value, y_value = df.loc[i]
    new_model.accept_value(x_value,y_value)
    new_model.retrain()
print(new_model)
plt.scatter(x=df['X'],y=df['Y'])

当我执行这个场景时，一切都很完美，但是当我在一个方法中复制相同的代码时，就像这样：

def simulate():
    df = pd.DataFrame(data = 5*randn(50,1),columns=['X'])
    new_list = []
    for i in df['X']:
        new_list.append(-6.5*i + 100 + random.normalvariate(0,10))
    df['Y'] = new_list

    new_model = Model('1')
    for i in range(len(df)):
        x_value, y_value = df.loc[i]
        new_model.accept_value(x_value,y_value)
        new_model.retrain()
    print(new_model)
    plt.scatter(x=df['X'],y=df['Y'])  
simulate()

然后我得到以下错误消息：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-250-2d4e86d2a592> in <module>()
     14     plt.scatter(x=df['X'],y=df['Y'])
     15 
---> 16 simulate()

<ipython-input-250-2d4e86d2a592> in simulate()
     10         x_value, y_value = df.loc[i]
     11         new_model.accept_value(x_value,y_value)
---> 12         new_model.retrain()
     13     print(new_model)
     14     plt.scatter(x=df['X'],y=df['Y'])

<ipython-input-245-63f3d0a40d67> in retrain(self)
     10 
     11     def retrain(self):
---> 12         self.model.fit(self.model_data[['X']],self.model_data['Y'])
     13 
     14     def choose_value(self):

/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/base.py in fit(self, X, y, sample_weight)
    480         n_jobs_ = self.n_jobs
    481         X, y = check_X_y(X, y, accept_sparse=['csr', 'csc', 'coo'],
--> 482                          y_numeric=True, multi_output=True)
    483 
    484         if sample_weight is not None and np.atleast_1d(sample_weight).ndim > 1:

/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py in check_X_y(X, y, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, warn_on_dtype, estimator)
    571     X = check_array(X, accept_sparse, dtype, order, copy, force_all_finite,
    572                     ensure_2d, allow_nd, ensure_min_samples,
--> 573                     ensure_min_features, warn_on_dtype, estimator)
    574     if multi_output:
    575         y = check_array(y, 'csr', force_all_finite=True, ensure_2d=False,

/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py in check_array(array, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
    460                              " minimum of %d is required%s."
    461                              % (n_samples, shape_repr, ensure_min_samples,
--> 462                                 context))
    463 
    464     if ensure_min_features > 0 and array.ndim == 2:

ValueError: Found array with 0 sample(s) (shape=(0, 1)) while a minimum of 1 is required.

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
14 plt.散射（x=df['x']，y=df['y']）
15
--->16模拟（）
在simulate（）中
10 x_值，y_值=df.loc[i]
11新的_模型。接受_值（x_值，y_值）
--->12新的_模型。再培训（）
13打印（新款）
14 plt.散射（x=df['x']，y=df['y']）
再培训（自我）
10
11 def再培训（自我）：
--->12 self.model.fit（self.model_数据['X']]，self.model_数据['Y']））
13
14 def选择_值（自身）：
/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/base.py in fit（自身、X、y、样本重量）
480个n_作业=自我n_作业
481 X，y=check_X_y（X，y，accept_sparse=['csr'，'csc'，'coo']，
-->482 y_数值=真，多输出=真）
483
484如果样本重量不是无且np.至少1d（样本重量）。ndim>1：
/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py in check_X_y（X，y，accept_sparse，dtype，order，copy，force_all_finite，sure_2d，allow_nd，multi_output，sure_min_samples，sure_min_features，y_numeric，warn_on_dtype，assister）
571 X=检查数组（X，接受稀疏，数据类型，顺序，复制，强制所有有限，
572确保2d，允许nd，确保最小样本，
-->573确保功能、警告（数据类型、估计器）
574如果多输出：
575 y=检查数组（y，'csr'，强制所有有限=真，确保2d=假，
/检查数组中的anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py（数组、接受稀疏、数据类型、顺序、复制、强制所有有限、确保2d、允许nd、确保最小样本、确保最小特征、警告数据类型、估计器）
460“至少需要%d个%s。”
461%（n_样本、形状报告、确保最小样本、，
-->462（上下文）
463
464如果确保_min_features>0且array.ndim==2：
ValueError:找到具有0个样本（形状=（0，1））的数组，但至少需要1个样本。

---

在方法内部时，它似乎不接受这些值。我不知道为什么会出现这样的错误，有人能帮我吗？

这是因为你在

接受值（）

中调用

new\u model.model\u data

。它无法正确访问您正在使用的实际实例（

self

）。当它不在函数中时，它可以正常工作，因为它可以访问ipython工作区中的新模型

class Model():
    def __init__(self, model_name):
        self.model_name = model_name
        self.model = LinearRegression()
        self.model_data = pd.DataFrame(columns=['X','Y'])
    def retrain(self):
        self.model.fit(self.model_data[['X']],self.model_data['Y'])
    def choose_value(self):
        y_intercept = self.model.intercept_
        pass
    def accept_value(self,x_value,y_value):
        temp_df = pd.DataFrame(data=[[x_value,y_value]],columns=['X','Y'])
        self.model_data = self.model_data.append(temp_df)

---

我现在感到羞愧。当我在实际类之外处理accept_值时，我把它复制错了。非常感谢，先生！我想我可能犯了一千次同样的错误。@chrisha！-给我五千次。