AttributeError：“系列”对象没有属性“重塑”

Question

我正在使用sci-kit学习线性回归算法。 缩放Y目标功能时：

Ys = scaler.fit_transform(Y)

我知道了

  

ValueError：预期的2D数组，取而代之的是1D数组：

之后，我使用以下方法重塑了

Ys = scaler.fit_transform(Y.reshape(-1,1))

但是又出现了错误：

  

AttributeError：“系列”对象没有属性“重塑”

所以我检查了pandas.Series文档页面，上面写着：

  

reshape（* args，** kwargs）从0.19.0版开始弃用。

Answer 1

解决方案是通过documentation page上的重塑方法链接的。

装有Y.reshape(-1,1)的您需要使用：

Y.values.reshape(-1,1)

Answer 2

解决方案的确可以做到：

Y.values.reshape(-1,1)

这将使用您的pandas Series对象的值提取一个numpy数组，然后将其重塑为2D数组。

您需要执行此操作的原因是，熊猫系列对象是设计使然的一维。如果您想留在pandas库中，另一种解决方案是将Series转换为DataFrame，然后将其转换为2D：

Y = pd.Series([1,2,3,1,2,3,4,32,2,3,42,3])

scaler = StandardScaler()

Ys = scaler.fit_transform(pd.DataFrame(Y))

Answer 3

您无法重塑熊猫系列，因此需要对numpy数组执行操作。正如其他人所建议的，您可以使用y.values.reshape(-1, 1)，但如果您想打动您的朋友，则可以使用：

y.values[Ellipsis, None]

等同于：

y.values[..., None]

这基本上是指<​​em>所有维度，然后是最后一个维度。这是一个完整的示例：

import numpy as np
import pandas as pd
from sklearn.preprocessing import StandardScaler

y = pd.Series(np.random.rand(5))

0    0.497165
1    0.818659
2    0.327064
3    0.772548
4    0.095715
dtype: float64

scaler = StandardScaler()

scaler.fit_transform(y.values[Ellipsis, None])

array([[-0.019],
       [ 1.165],
       [-0.645],
       [ 0.995],
       [-1.496]])