ValueError：发现样本数量不一致的输入变量：

Question

运行下面的代码时出现值错误，我认为这是由于 iloc 代码将数据拆分为 x 和 y，但看不到我做错了什么：

            if st.checkbox('Select Multiple Columns'):
                new_data = st.multiselect(
                    "Select the target columns. Please note, the target variable should be the last column selected",
                    df.columns)
                df1 = df[new_data]
                st.dataframe(df1)

                # dividing data into X and Y varibles
                x = df1.iloc[:, :-1]
                y = df1.iloc[:-1]

X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=seed)

            clf.fit(X_train, y_train)

            y_pred = clf.predict(X_test)
            st.write('Prediction:', y_pred)

我得到的错误如下：

ValueError：发现样本数量不一致的输入变量：[196, 195] Traceback：

数据集片段：

1/1/20  X   2020    206457
1/1/20  X   2021    70571
1/1/20  X   2022    46918
1/1/20  X   2023    36492
1/1/20  X   2024    0
1/1/20  X   2025    0
1/1/20  X   2020    286616
1/1/20  X   2021    134276
1/1/20  X   2022    87674
1/1/20  X   2023    240
1/1/20  X   2024    0
1/1/20  X   2025    0

Answer 1

检查您的 2 个语句的代码：

x = df1.iloc[:, :-1]
y = df1.iloc[:-1]

x 和 y 在df1上以不同的方式切片。 x 在整行上，而 y 少一行。 因此，样本数量不一致：[196, 195] ==> 196 for x； 195 为 y

请注意iloc[]的第一个参数是对行进行切片，而第二个参数是对列进行切片。

您有 x 对所有行进行切片，并且减少一列（没有最后一列），而 y 仅使用一个参数进行切片，并且仅在行（没有最后一行）上进行切片，并且它通过不指定列切片的方式获取所有列第二个范围。